基于聚类集成的LSSVM-Adaboost模型的短期光伏功率预测

杨锡运; 李艳军; 柏永华; 孟令卓超

English Version Journal Login

您当前的位置：

首页 >

文章列表页 >

基于聚类集成的LSSVM-Adaboost模型的短期光伏功率预测

更新时间：2026-10-10

- 基于聚类集成的LSSVM-Adaboost模型的短期光伏功率预测
- Vol. 53, Issue 5, Pages: 86-97(2026)
- 作者机构：
  
  华北电力大学控制与计算机工程学院
- 作者简介：
- 基金信息：
- DOI：
  CLC： TM615;TP18
- Published：2026
- 稿件说明：
移动端阅览
杨锡运, 李艳军, 柏永华, et al. 基于聚类集成的LSSVM-Adaboost模型的短期光伏功率预测[J]. 2026, 53(5): 86-97.
DOI：

杨锡运, 李艳军, 柏永华, et al. 基于聚类集成的LSSVM-Adaboost模型的短期光伏功率预测[J]. 2026, 53(5): 86-97. DOI：

摘要

准确的短期光伏功率预测对于电力系统中光伏并网系统的安全运行有着重要意义。针对传统天气类型划分不准确以及单一预测模型不准的问题，提出了一种基于聚类集成的Adaboost集成模型的短期光伏功率预测方法。首先选取多维辐照度特征后，通过基于相似度的聚类集成方法，融合多种聚类算法的划分结果，将历史数据聚类为晴天、多云、阴天和雨天集合，以获得准确的天气相似日集合。其次根据历史相似日集合，通过Adaboost集成弱学习器最小二乘支持向量机（Least Squares Support Vector Machine

LSSVM），分别建立4种天气下的LSSVM-Adaboost预测模型。最后通过聚类集成算法先对待预测日的天气情况进行判断，再将其气象数据输入对应天气下的预测模型中得到预测结果。实例分析表明，所提出的聚类集成和Adaboost双集成模型可以在较大程度上跟踪光伏实际出力，便于电网调度规划。

Abstract

关键词

Keywords

references

程启明,张强,程尹曼,褚思远,杨小龙.基于密度峰值层次聚类的短期光伏功率预测模型[J].高电压技术,2017(04).

吴硕.光伏发电系统功率预测方法研究综述[J].热能动力工程,2021(08).

王开艳,杜浩东,贾嵘,刘恒,梁岩,王雪妍.基于相似日聚类和QR-CNN-BiLSTM模型的光伏功率短期区间概率预测[J].高电压技术,2022(11).

王晓霞,俞敏,霍泽健,杨迪.基于近邻传播聚类与LSTNet的分布式光伏电站群短期功率预测[J].电力系统自动化,2023(06).

刘兴霖,黄超,王龙,罗熊.基于聚类和LSTM的光伏功率日前逐时鲁棒预测[J].计算机技术与发展,2023(03).

董雪,赵宏伟,赵生校,卢迪,陈晓锋,刘磊.基于SOM聚类和二次分解的BiGRU超短期光伏功率预测[J].太阳能学报,2022(11).

董华展.太阳能光伏发电发展趋势探析[J].现代工业经济和信息化,2023(04).

赵耀,高少炜,李东东,林顺富,杨帆,黄学勤.基于天气相似聚类与QRNN的短期光伏功率区间概率预测[J].电力系统自动化,2023(23).

Ling-Ling Li,Shi-Yu Wen,Ming-Lang Tseng,Cheng-Shan Wang.Renewable energy prediction: A novel short-term prediction model of photovoltaic output power[J].Journal of Cleaner Production,2019.

Views

686

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于改进压缩感知的局部放电信号压缩与去噪

非正弦激励下换流变压器绕组损耗和温度分布特性

智能合约赋能的电力无线网络传算协同安全资源分配

基于改进压缩POD的换流变压器极性反转电场模型降阶方法

新能源机组及场站实测建模研究综述

Related Author

No data

Related Institution

No data

AI问答

⁰