桂林理工大学广西建筑新能源与节能重点实验室,广西,桂林,541004
Published Online:27 December 2016,
Published:2016
移动端阅览
ZHANG Yu, MO Han, ZHANG Lieping. Photovoltaic power prediction based on fuzzy support vector machine[J]. Thermal power generation, 2016, (12).
DOI:
ZHANG Yu, MO Han, ZHANG Lieping. Photovoltaic power prediction based on fuzzy support vector machine[J]. Thermal power generation, 2016, (12). DOI:
受到光照强度、温度、湿度和风速等气象因素的影响
光伏发电系统出力具有波动性、间接性和不可控性等特点
光伏发电量预测精度较低。对此
本文采用模糊理论结合支持向量机的方法预测光伏发电量。首先通过模糊C均值聚类算法计算模糊隶属度
然后对原始样本进行聚类
生成模糊样本
再采用支持向量机对模糊样本进行训练
最后利用预测模型预测未来几天的光伏发电量。MATLAB仿真实验预测显示:相对于经典的BP神经网络模型和支持向量机模型
模糊支持向量机预测模型更稳定且预测结果误差更小;该模型克服了传统光伏预测方法中存在的极易陷入极小值以及不确定气象因素影响等缺陷
提高了系统预测精度。
0
Views
374
下载量
CSCD
Publicity Resources
Related Articles
Related Author
Related Institution