基于SVR-UKF的光伏电站功率预测

• 作者: 任佳琦 俞娜燕 倪晓宇 李向超 费科
• 来源期刊: 自动化与仪器仪表
• 学科: 工学
• 关键词: 光伏电站 功率预测 支持向量回归 无迹卡尔曼滤波
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 理论创新
• 页码范围: 73-77
• 页数: 5页
• 分类号: TP202
• 语种: 中文
• DOI: 10.14016/j.cnki.1001-9227.2020.04.073

摘要

准确的光伏电站功率预测对于改善和优化可再生光伏发电至关重要.然而,由于光伏电站输出功率受天气因素影响较大,同时光伏电站海量监测数据中存在异常数据,均使得精确的光伏功率预测难以有效实现.本文将基于支持向量回归(Support Vector Regression,SVR)的状态空间模型与无迹卡尔曼滤波(Unscented Kalman Filter,UKF)相结合,首先采用SVR方法建立非线性状态空间模型,然后采用UKF对随机不确定性的光伏功率序列进行动态递归估计,以精确更新光伏功率序列的短期估计.通过对光伏电厂总表值进行排序,标记出缺失项;针对所选出未缺失的训练样本集,选取上一时刻的输出功率和本时刻的温度、光照强度数据预测当前时刻的输出功率数据.通过SVR建立状态转换方程,并以UKF进行滤波.预测结果表明,SVR-UKF方法具有较好的预测能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	俞娜燕		3	0	0.0	0.0
2	李向超		3	0	0.0	0.0
3	费科		3	0	0.0	0.0
4	任佳琦	河海大学能源与电气学院	4	3	1.0	1.0
5	倪晓宇		5	9	1.0	3.0