基于稀疏贝叶斯学习的光伏发电功率预测方法

• 作者: 李攀
• 来源期刊: 数据通信
• 学科: 工学
• 关键词: 光伏发电 功率预测 稀疏贝叶斯学习 回归模型
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 技术交流
• 页码范围: 35-38,49
• 页数: 5页
• 分类号: TP391
• 字数: 3500字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-5057.2017.05.009

摘要

光伏发电容易受诸多因素的影响,其输出功率具有较强的随机特征,若在并网的情形下,将影响到整个电网安全稳定运行,因此对光伏发电功率的预测具有重要意义.本文通过建立光伏发电功率与各影响因素之间的回归模型,并运用稀疏贝叶斯学习方法对光伏发电功率进行预测.相比于基追踪和正交匹配追踪方法,稀疏贝叶斯学习方法的预测效果明显优于其他两种方法;对影响因素权重系数估计中,在估计的准确度相同的情况下,稀疏贝叶斯学习方法仅需较少的观测值,大大提升了预测的性能.