基于函数型特征数据的光伏短期功率预测方法

• 作者: 张林 刘继春 马靖宇 周晟锐 文杰
• 来源期刊: 电气传动
• 关键词: 函数型数据 函数主成分分析 高斯混合模型 最大期望 改进的粒子群优化-支持向量机(PSO-ELM)算法
• 年，卷（期）: 2021,（12）
• 所属期刊栏目: 其他
• 页码范围: 66-73
• 页数: 8页
• 分类号: TM615
• 语种: 中文
• DOI: 10.19457/j.1001-2095.dqcd21358

摘要

短期光伏发电功率预测对电网的安全、经济和稳定运行具有重要的意义.随着"互联网+"和"大数据时代"的到来,光伏电站收集的数据更加密集和连续,呈现出函数型特性.目前,光伏发电预测研究还局限于稀疏、离散的传统数据.针对具有函数型特征的min级数据对光伏电站短期功率进行预测.首先,通过傅里叶基函数变换将具有函数型特征的离散数据转化为函数型数据;利用函数主成分分析将数据降维,得到少量函数主成分特征向量,使用高斯混合模型—最大期望算法对特征向量聚类,结合天气信息验证聚类的效果;然后使用改进PSO-ELM算法分别对聚类得到的典型场景进行预测;最后,通过四川某地区实例验证了模型的有效性.