聚类分析在光伏发电量预测中的应用研究

• 作者: 成珂 王亚昆 郭黎明
• 来源期刊: 可再生能源
• 学科: 工学
• 关键词: 聚类分析 数据筛选 神经网络 光伏发电量预测 太阳能
• 年，卷（期）: 2017,（5）
• 页码范围: 696-701
• 页数: 6页
• 分类号: TK514
• 字数: 3896字
• 语种: 中文

摘要

为了从光伏发电历年数据中筛选出有效样本,并提高光伏发电量预测模型的准确率,文章将聚类分析应用于光伏领域,并结合神经网络建立了光伏发电量预测模型.以晴天、多云和雨天3种天气类型为目标,利用聚类分析对历史数据中的异常样本进行筛选,并将筛选后的样本作为训练数据建立了反向传播(BP)神经网络预测模型.通过对比筛选前后预测模型的计算结果可知,利用聚类分析筛选后的数据所建立起来的预测模型精度较高,因此,聚类分析和BP神经网络相结合是提高光伏发电量预测精度的一种有效方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	成珂	西北工业大学动力与能源学院	17	133	8.0	10.0
2	郭黎明	西北工业大学动力与能源学院	1	11	1.0	1.0
3	王亚昆	西北工业大学动力与能源学院	1	11	1.0	1.0