期刊专题

10.13336/j.1003-6520.hve.20201833

基于相似日聚类和IHGWO-WNN-AdaBoost模型的短期光伏功率预测

引用
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.

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

47

TM615;TP391.41;TM721

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

2021-06-11(万方平台首次上网日期,不代表论文的发表时间)

共10页

1185-1194

相关文献
评论
暂无封面信息
查看本期封面目录

高电压技术

1003-6520

42-1239/TM

47

2021,47(4)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn