基于数据挖掘的光伏阵列发电预测方法研究

• 作者: 李思宇 程泽 蒋春晓 韩丽洁
• 来源期刊: 太阳能学报
• 学科: 工学
• 关键词: 数据挖掘 光伏发电预测 前向选择(FS) K-means聚类 RBF神经网络
• 年，卷（期）: 2017,（3）
• 页码范围: 726-733
• 页数: 8页
• 分类号: TM615
• 字数: 4794字
• 语种: 中文

摘要

提出一种综合使用前向选择(forward selection,FS)和K-means聚类以及径向基函数(radical basis function,RBF)神经网络的光伏发电功率预测方法.模型以每小时的气象因素作为输入量,首先采用前向选择法对原始多维输入量进行约减,在降低维数的基础上减小各个变量间的耦合现象.再通过K-means聚类方法对样本进行聚类,继而对各类数据建立不同的RBF预测模型,避免单神经网络的过拟合问题.实验结果表明,相比于传统的神经网络预测模型,该文使用的模型输入变量更少,预测精度更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程泽	天津大学电气与自动化工程学院	27	401	8.0	20.0
2	蒋春晓	天津大学电气与自动化工程学院	2	12	1.0	2.0
3	李思宇	天津大学电气与自动化工程学院	2	32	2.0	2.0
4	韩丽洁	天津大学电气与自动化工程学院	3	103	3.0	3.0