基于相似日理论和CSO-WGPR的短期光伏发电功率预测

• 作者: 孟安波 陈嘉铭 黎湛联 丁伟锋 欧祖宏 殷豪
• 来源期刊: 高电压技术
• 关键词: 光伏发电 功率预测 加权模糊聚类 单类支持向量机 改进的高斯过程回归 纵横交叉算法
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 促进可再生能源消纳的发电功率预测技术及应用专题|Special Isssue on Power Generation Forecasting Technology and Its Application to Promote the Consumption of Renewable Energy
• 页码范围: 1176-1184
• 页数: 9页
• 语种: 中文
• DOI: 10.13336/j.1003-6520.hve.20201778

摘要

针对光伏发电功率预测精度不高的问题,提出一种结合纵横交叉算法与改进的高斯过程回归算法(crisscross optimization algorithm and weighted Gaussian process regression,CSO-WGPR)的预测模型.首先,通过加权模糊聚类对天气类型进行划分,选出与预测日相同类型的相似日样本;其次,采用单类支持向量机(One-Class support vector machine,One-Class SVM)算法结合传统高斯过程回归算法,建立改进后的高斯过程回归模型(weighted Gaussian process regression,WGPR),减小异常值数据对预测结果的不良影响;然后,采用纵横交叉算法(crisscross optimization algorithm,CSO)优化WGPR的超参数,进一步提高模型的预测精度.以澳洲爱丽丝泉光伏系统为例进行建模预测,真实数据仿真和实验结果表明,所提预测模型在晴天、阴天、雨天类型下具有更高的预测精度,验证了该方法的有效性.