基于相似日聚类和IHGWO-WNN-AdaBoost模型的短期光伏功率预测

摘要：

为进一步提升光伏输出功率短期预测的准确性和稳定性,提出一种基于相似日聚类的小波神经网络(wavelet neural network,WNN)和AdaBoost的混合预测模型.首先利用模糊C均值聚类(fuzzy C-means algorithm,FCM)算法将初始数据集按照不同的季节和天气类型进行划分;其次选用WNN作为改进AdaBoost算法的基学习器,构建WNN-AdaBoost模型,并使用改进混合灰狼优化(improved hybridizing grey wolf optimization,IHGWO)算法优化WNN的小波因子和权值;最后选用我国中部地区某光伏电站实采的输出功率数据进行算例分析,通过与其他模型的对比,验证了所提模型的预测效果.实验结果表明:在不同季节和天气类型下,所提模型均能得到较好的预测结果,在有效提升光伏短期输出功率预测精度的同时,兼备了较强的适应性和鲁棒性.

关键词：光伏功率预测、相似日聚类、改进混合灰狼优化算法、小波神经网络、AdaBoost、自适应权重

所属期刊栏目：47

分类号：TM615;TP391.41;TM721

资助基金：国家自然科学基金;宁夏自治区重点研发项目;新疆维吾尔自治区自然科学基金;宁夏高校双一流建设项目

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10页

页码：1185-1194