基于密度峰值层次聚类的短期光伏功率预测模型

• 作者: 张强 杨小龙 程启明 程尹曼 褚思远
• 来源期刊: 高电压技术
• 关键词: 光伏功率预测 层次聚类算法 密度峰值 气象因子 支持向量机 径向基神经网络
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 城市电网智能化
• 页码范围: 1214-1222
• 页数: 9页
• 语种: 中文
• DOI: 10.13336/j.1003-6520.hve.20170328019

摘要

针对传统聚类算法不易选取初始聚类中心、对噪声值较敏感、收敛速度慢及易陷入局部最优等问题,提出一种基于密度峰值的层次聚类算法对天气类型进行聚类.首先确定气象数据的密度峰值参数,采用分层聚类算法将气象数据划分为不同类别,然后利用支持向量机(SVM)对未知天气类型进行识别,最终采用径向基(RBF)神经网络建立光伏发电短期功率预测模型.仿真结果表明,该方法能有效提高气象类型的分类精度、加快寻优速度,提高离群样本点分离的鲁棒性,证明了其在小样本的情况下具有较高的精度,且在天气波动较大时仍能较好地实现功率值的预测.