基于弯曲高斯过程组合方法的光伏出力预测研究

• 作者: 刘琦 张霞 程泽
• 来源期刊: 湖南大学学报（自认科学版）
• 关键词: 多元自适应回归样条 弯曲高斯过程 Bagging算法 区间预测 光伏发电
• 年，卷（期）: 2017,（10）
• 所属期刊栏目: 电气与信息工程
• 页码范围: 99-108
• 页数: 10页
• 分类号: TM715
• 语种: 中文
• DOI: 10.16339/j.cnki.hdxbzkb.2017.10.014

摘要

针对光伏发电功率受多种天气因素影响造成预测难度大的现状,提出了一种基于弯曲高斯过程的混合模型,可以实现一天内任意时刻的光伏出力的概率预测,获得置信区间预测值和点预测值.该算法先由多元自适应回归样条模型实现对多维输入变量的约减,同时得到待预测值的先验数据,然后利用模糊C均值算法按天气类型对训练集数据和测试集的先验数据进行聚类,得到相似样本,再利用弯曲高斯过程模型对测试集数据进行估计,最后利用Bagging算法实现对子混合模型的集成学习,得到待预测值的区间估计和点估计.仿真及试验结果验证了该混合模型的有效性和可靠性.与高斯过程估计和BP神经网络分位数估计相比,该混合模型精度更高,实用性更强.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘琦	天津大学电气自动化与信息工程学院	8	11	2.0	3.0
2	程泽	天津大学电气自动化与信息工程学院	27	401	8.0	20.0
3	张霞	青海民族大学建筑工程学院	6	3	1.0	1.0