基于IKFCM与多模态SSO优化SVR的光伏发电短期预测

基于IKFCM与多模态SSO优化SVR的光伏发电短期预测

为提高短期光伏发电功率预测精度和降低气候等因素对预测结果的影响,提出了一种基于IKFCM与多模态SSO优化SVR的光伏发电功率短期预测方案.首先采用改进的KFCM(Improved KFCM,IKFCM)聚类方法对训练样本集进行处理,通过引入紧致离散聚类有效性指数,在提高IKFCM聚类准确率的同时实现了自动划分训练样本集,有效降低了样本数据差异对预测性能的影响.然后构建与训练样本集分类一一对应的SVR预测模型,并采用多模态SSO优化(Multi-mode SSO,MSSO)算法对SVR模型参数进行优化,进而得到不同分类的最优SVR参数组合.最后,运用MSSO优化SVR模型对测试数据进行预测评估...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:电力系统保护与控制 2018-12, Vol.46 (24), p.96-103
Hauptverfasser: 黄予春, 曹成涛, 顾海
Format: Artikel
Sprache:chi
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Beschreibung
Zusammenfassung:为提高短期光伏发电功率预测精度和降低气候等因素对预测结果的影响,提出了一种基于IKFCM与多模态SSO优化SVR的光伏发电功率短期预测方案.首先采用改进的KFCM(Improved KFCM,IKFCM)聚类方法对训练样本集进行处理,通过引入紧致离散聚类有效性指数,在提高IKFCM聚类准确率的同时实现了自动划分训练样本集,有效降低了样本数据差异对预测性能的影响.然后构建与训练样本集分类一一对应的SVR预测模型,并采用多模态SSO优化(Multi-mode SSO,MSSO)算法对SVR模型参数进行优化,进而得到不同分类的最优SVR参数组合.最后,运用MSSO优化SVR模型对测试数据进行预测评估.仿真结果表明,该方案实现了不同天气下短期光伏发电功率准确预测,而且同其他预测算法相比预测精度提高了25.2％～37.8％.
ISSN:1674-3415
DOI:10.7667/PSPC171782