气象特征频繁变化区域的光伏功率预测方法

准确的光伏功率预测对电网稳定运行具有重要意义,因此提出一种气象特征频繁变化区域的光伏功率预测方法,以期能提高光伏功率预测的准确性.首先,基于Person相关性分析构建光伏功率预测的多变量时间序列;然后,利用C-C法对光伏功率预测的时间序列进行MPSR(多变量相空间重构),进一步挖掘光伏功率与气象特征间的耦合关系;最后,利用SVR(支持向量回归)对光伏功率与气象特征重构后的相空间进行非线性拟合并预测.为验证MPSR能够提高预测效果,同时比较了MPSR结合BPNN(反向传播神经网络)与RBFNN(径向基函数神经网络)的预测效果.算例分析表明,MPSR能够进一步挖掘气象特征变化频繁区域中包含的特征信...

Full description

Saved in:
Bibliographic Details
Published in浙江电力 Vol. 42; no. 3; pp. 37 - 46
Main Authors 陈文进, 陈菁伟, 钱建国, 唐明, 林承钱, 许一洲, 刘皓明
Format Journal Article
LanguageChinese
Published 国网浙江省电力有限公司,杭州 310007%国网浙江省电力有限公司湖州供电公司,浙江 湖州 313000%河海大学 能源与电气学院,南京 211100 25.03.2023
Subjects
支持向量回归
多变量相空间重构
光伏功率预测
特征挖掘
Online AccessGet full text
ISSN1007-1881
DOI10.19585/j.zjdl.202303005

Cover

More Information
Summary:准确的光伏功率预测对电网稳定运行具有重要意义,因此提出一种气象特征频繁变化区域的光伏功率预测方法,以期能提高光伏功率预测的准确性.首先,基于Person相关性分析构建光伏功率预测的多变量时间序列;然后,利用C-C法对光伏功率预测的时间序列进行MPSR(多变量相空间重构),进一步挖掘光伏功率与气象特征间的耦合关系;最后,利用SVR(支持向量回归)对光伏功率与气象特征重构后的相空间进行非线性拟合并预测.为验证MPSR能够提高预测效果,同时比较了MPSR结合BPNN(反向传播神经网络)与RBFNN(径向基函数神经网络)的预测效果.算例分析表明,MPSR能够进一步挖掘气象特征变化频繁区域中包含的特征信息,结合MPSR的预测模型提高了光伏功率的预测精度.
ISSN:1007-1881
DOI:10.19585/j.zjdl.202303005