基于小波去噪-KPCA神经网络的光伏功率预测方法

• 作者: 丁宏 万玥 史文斌 孙新程 葛晨阳
• 来源期刊: 电力工程技术
• 学科: 工学
• 关键词: 小波去噪 核主成分分析 粒子群算法 神经网络 光伏发电预测
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 智能配网与微网
• 页码范围: 110-116
• 页数: 7页
• 分类号: TM715
• 字数: 4267字
• 语种: 中文
• DOI: 10.12158/j.2096-3203.2020.02.016

摘要

为了提高光伏发电功率的预测精度,提出了一种基于小波去噪/聚类/核主成分分析(KPCA)神经网络的光伏发电功率预测方法.首先,应用二维小波阈值去噪法预处理光伏出力数据;然后,应用k-means算法将预测模型分为4种不同模式下的子预测模型;引入KPCA对输入空间降维重构,利用粒子群优化(PSO)神经网络算法建立基于聚类/KPCA/神经网络的光伏发电功率预测模型.采用某光伏电站的实例数据进行预测分析,结果表明该模型实现了不同模式下的光伏出力较为精准的预测,显示出良好的预测性能,验证了预测模型的可行性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	葛晨阳		2	0	0.0	0.0
5	史文斌		1	0	0.0	0.0