基于模糊支持向量机的光伏发电量预测

• 作者: 张烈平 张玉 莫寒
• 来源期刊: 热力发电
• 关键词: 模糊理论 支持向量机 光伏发电 发电量预测 MATLAB软件 模糊隶属度 BP神经网络 预测误差
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 发电技术论坛
• 页码范围: 116-120
• 页数: 5页
• 分类号: TM615
• 语种: 中文
• DOI: 10.3969/j.issn.1002-3364.2017.01.116

摘要

受到光照强度、温度、湿度和风速等气象因素的影响,光伏发电系统出力具有波动性、间接性和不可控性等特点,光伏发电量预测精度较低.对此,本文采用模糊理论结合支持向量机的方法预测光伏发电量.首先通过模糊C均值聚类算法计算模糊隶属度,然后对原始样本进行聚类,生成模糊样本,再采用支持向量机对模糊样本进行训练,最后利用预测模型预测未来几天的光伏发电量.MATLAB仿真实验预测显示:相对于经典的BP神经网络模型和支持向量机模型,模糊支持向量机预测模型更稳定且预测结果误差更小;该模型克服了传统光伏预测方法中存在的极易陷入极小值以及不确定气象因素影响等缺陷,提高了系统预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张玉	桂林理工大学广西建筑新能源与节能重点实验室	19	101	6.0	9.0
2	张烈平	桂林理工大学广西建筑新能源与节能重点实验室	50	277	10.0	15.0
3	莫寒	桂林理工大学广西建筑新能源与节能重点实验室	3	35	2.0	3.0