基于相似日理论和CSO-WGPR的短期光伏发电功率预测

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.

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

所属期刊栏目：47

分类号：TP391.41;TM76;TP181

资助基金：国家自然科学基金61876040

在线出版日期：2021-06-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1176-1184