基于PNN/PCA/SS-SVR的光伏发电功率短期预测方法

• 作者: 吴昊 李立学 王昕 郎永波 郑益慧 黄柯
• 来源期刊: 电力系统自动化
• 关键词: 光伏发电功率预测 概率神经网络 主成分分析法 分散搜索 支持向量机回归
• 年，卷（期）: 2016,（17）
• 所属期刊栏目: 学术研究
• 页码范围: 156-162
• 页数: 7页
• 字数: 4837字
• 语种: 中文
• DOI: 10.7500/AEPS20150924002

摘要

光伏发电功率预测对太阳能开发利用、电网稳定安全运行具有重要意义.提出一种融合了概率神经网络(PNN)、主成分分析法(PCA)、分散搜索(SS)和支持向量机回归(SVR)的光伏输出功率预测模型.首先结合天气信息通过PNN将天气划分为晴、多云、阴、雨4种类型,然后在每种天气类型下,利用PCA对影响光伏出力的多个气象因素,如太阳辐射强度、温度和相对湿度等进行降维、转换成少数几个主成分作为输入向量,最后建立SS算法优化SVR的光伏发电功率短期预测模型.结果表明,该模型实现了对不同天气类型下的光伏出力较为精准的预测,具有一定的可行性及指导意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王昕	上海交通大学电工与电子技术中心	151	1094	19.0	27.0
2	郑益慧	上海交通大学电工与电子技术中心	56	579	14.0	22.0
3	李立学	上海交通大学电工与电子技术中心	40	516	12.0	22.0
4	郎永波		7	33	3.0	5.0
5	黄柯	上海电力学院电气工程学院	1	25	1.0	1.0
6	吴昊		2	100	2.0	2.0