微电网光伏发电的Adaboost天气聚类超短期预测方法

• 作者: 李丰君 杨威 梁宁 谭津 邓长虹
• 来源期刊: 电力系统自动化
• 关键词: 光伏发电 微电网 超短期预测 衰减系数 Adaboost
• 年，卷（期）: 2017,（21）
• 所属期刊栏目: 未来电力系统总体形态预测
• 页码范围: 33-39
• 页数: 7页
• 字数: 5867字
• 语种: 中文
• DOI: 10.7500/AEPS20170217006

摘要

微电网光伏发电预测精度与天气状态呈高度相关性,非晴空条件下气象因素的随机波动使得超短期预测精度较低.对此,文中提出一种改进Adaboost天气聚类和马尔可夫链的组合预测方法.首先采用滑动平均法提取辐照度特征变量,设计并训练Adaboost改进的K近邻(KNN)分类器,实现历史样本的分类;为进一步提高多云和阴雨天的预测精度,引入天气类型衰减系数对Hottel太阳辐射模型进行校正,形成完整描述各天气类型的辐照度基准模型;建立多阶加权马尔可夫链模型输出辐照度预测值;最后由光电转换模型实现间隔5 min的微电网光伏超短期预测.仿真结果表明,所述预测方法提高了各天气类型下的预测精度,对提高微电网经济调度水平具有重要意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邓长虹	武汉大学电气工程学院	57	1057	19.0	31.0
2	杨威	武汉大学电气工程学院	125	592	13.0	18.0
3	梁宁	武汉大学电气工程学院	5	40	3.0	5.0
4	谭津	武汉大学电气工程学院	2	28	2.0	2.0
5	李丰君	武汉大学电气工程学院	1	20	1.0	1.0