基于改进相似样本选取与特征提取的光伏发电功率预测方法

• 作者: 左为恒 陈世游
• 来源期刊: 计算机测量与控制
• 关键词: 光伏发电功率预测 野值剔除与补正 优化相似样本 特征提取 广义回归神经网络
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 设计与应用
• 页码范围: 165-169,174
• 页数: 6页
• 分类号: TM61
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2019.02.037

摘要

提高光伏发电功率预测是保障电力系统稳定运行和提高太阳能消纳的有效手段;由于神经网络算法具有鲁棒性高,非线性逼近能力强等特点,被普遍运用在光伏发电功率预测中;神经网络预测性能与输入维数、训练样本密切相关,为了提高预测精度,提出一种改进相似样本选取及对相似样本特征提取的光伏发电功率预测方法;首先对采集样本进行野值提除与补正;然后计算不同时刻气象因子影响权重优化传统相似样本选取方案;再接着对相似样本进行有效特征提取;最后基于广义回归神经网络(GRNN)算法对一日发电功率进行短期预测;利用云南大理西村光伏电站仿真结果表明,所述方法可以提高预测性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	左为恒	重庆大学电气工程学院	40	240	9.0	13.0
2	陈世游	重庆大学电气工程学院	2	2	1.0	1.0