Stacking-SVM的短期光伏发电功率预测

• 作者: 周杭霞 张雨金
• 来源期刊: 中国计量大学学报
• 学科: 工学
• 关键词: 光伏发电 短期功率预测 Stacking算法 Kmeans算法 支持向量机
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 计量与测试
• 页码范围: 121-127
• 页数: 7页
• 分类号: TP399
• 字数: 3664字
• 语种: 中文
• DOI: 10.3969/j.issn.2096-2835.2018.02.002

摘要

短期光伏发电功率预测对维护电网安全稳定和协调资源利用具有重要意义,针对现有的神经网络法、小波分析法等单一预测模型预测精度提升有限的问题,引入集成学习的思想和方法,提出一种基于Stac-king算法改进支持向量机(SVM)的短期光伏发电预测方法.该方法先使用多个不同的初级SVM对预测样本进行一次预测得到多个预测输出;然后对训练集进行聚类,使用与预测样本同类别的训练样本训练次级SVM;最后使用次级SVM对多个预测输出进行结合得到最终预测结果.经光伏发电系统的实际运行数据实验,结果表明本文提出的方法相较于单一预测模型精度有了明显提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周杭霞	中国计量大学信息工程学院	44	314	11.0	15.0
2	张雨金	中国计量大学信息工程学院	3	50	2.0	3.0