基于密度峰值聚类优化的光伏发电功率预测

摘要：

密度峰值聚类算法具有收敛速度快、鲁棒性强、无需人为确定最佳聚类数等特点,具备较好的应用前景.为提高光伏功率预测的精度,提出一种将密度峰值聚类算法应用于短期光伏功率预测的方法,并进行了必要优化.该方法首先通过类间距离优化增强气象数据的可分性;然后利用密度峰值聚类对其进行无标签归类,通过灰色关联度匹配出与待预测日相关度最高的类别;最后将其作为Elman神经网络的训练样本,得到预测结果.Matlab仿真结果表明,该方法能够明显提高气象数据的聚类效果,并有效提高光伏功率的短期预测精度.

关键词：密度峰值聚类、光伏发电、灰色关联度、相似日匹配、Elman神经网络、短期功率预测

所属期刊栏目：41

分类号：TN830.4-34;TM715(无线电设备、电信设备)

在线出版日期：2018-10-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：141-145,149