基于小波分析和集成学习的光伏输出功率短期预测

• 作者: Kwok W Cheung 卫志农 孙国强 孙永辉 李慧杰 范磊
• 来源期刊: 电力系统及其自动化学报
• 学科: 工学
• 关键词: 小波分析 集成学习 BP神经网络 支持向量机 光伏输出功率短期预测
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 学术论文
• 页码范围: 6-11,30
• 页数: 7页
• 分类号: TM615
• 字数: 4478字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-8930.2016.04.002

摘要

针对光伏输出功率的预测精度影响系统安全调度和稳定运行的问题,该文建立了基于小波分析和集成学习的光伏输出功率短期预测模型.考虑到光伏输出功率的波动性与随机性,引入小波分析将数据分解成趋势项和随机项,并分别对其建模.其中,趋势项采用SVM算法,随机项采用BP算法进行预测处理;再考虑到随机项的非平稳性和BP算法的固有缺点,为提高预测精度,将集成学习引入随机项的预测模型.大量测试结果表明,基于小波分析和集成学习的短期预测模型的预测精度优于现有几种模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卫志农	河海大学能源与电气学院	239	4926	37.0	61.0
2	孙国强	河海大学能源与电气学院	167	3205	29.0	51.0
3	孙永辉	河海大学能源与电气学院	84	1459	18.0	36.0
4	李慧杰		18	518	12.0	18.0
5	范磊	河海大学能源与电气学院	7	76	5.0	7.0