基于K-means聚类和极限学习机组合算法的短期光伏功率预测

黄牧涛; 邢芳菲; 陈兴邦; 卢明

doi:10.20040/j.cnki.1000-7709.2024.20231105

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

基于K-means聚类和极限学习机组合算法的短期光伏功率预测

更新时间：2026-02-25

- 基于K-means聚类和极限学习机组合算法的短期光伏功率预测
- Issue 2, Pages: 217-220+216(2024)
- 作者机构：
  
  1. 华中科技大学电气与电子工程学院
  2. 华中科技大学土木与水利工程学院
  3. 国网河南省电力公司电力科学研究院
- 作者简介：
- 基金信息：
- DOI：10.20040/j.cnki.1000-7709.2024.20231105
  CLC： TM615;TP181
- Published：2024
- 稿件说明：
移动端阅览
黄牧涛, 邢芳菲, 陈兴邦, et al. 基于K-means聚类和极限学习机组合算法的短期光伏功率预测[J]. 2024, (2): 217-220+216.
DOI：

黄牧涛, 邢芳菲, 陈兴邦, et al. 基于K-means聚类和极限学习机组合算法的短期光伏功率预测[J]. 2024, (2): 217-220+216. DOI： 10.20040/j.cnki.1000-7709.2024.20231105.

摘要

考虑光伏功率的预测精度强依赖于天气模态和气候条件等因素影响，提出了基于极限学习机组合算法的短期光伏功率预测方法。首先，基于K-means聚类算法进行天气分型，分为4个季节下晴天、多云天气、阴雨天气共12组不同天气类别。其次，针对天气分型结果，基于极限学习机ELM、遗传算法改进的极限学习机GA-ELM、鸟群算法改进的极限学习机BSA-ELM3种算法构建光伏功率预测模型。最后，以某光伏电站数据进行所提模型验证。预测结果表明，BSA-ELM预测精度最高，12种天气预测精度达到90%左右，各季节中预测精度最高的天气类型均为晴天，多云天气精度高于阴雨天气精度，可为含高比例光伏并网的新型电力系统安全稳定运行提供有效数据支撑。

Abstract

关键词

Keywords

references

李正刚,王智方,钟建伟,张钦惠,程明亮.正则化与ELM结合用于光伏发电功率预测[J].电气自动化,2021(03).

饶宇飞,刘阳,李玲玲,方舟,曲立楠.基于改进鸟群算法和极限学习机模型的光伏发电系统输出功率预测研究[J].可再生能源,2020(10).

赖昌伟,黎静华,陈博,黄玉金,韦善阳.光伏发电出力预测技术研究综述[J].电工技术学报,2019(06).

单英浩,付青,耿炫,朱昌亚.基于改进BP-SVM-ELM与粒子化SOM-LSF的微电网光伏发电组合预测方法[J].中国电机工程学报,2016(12).

孙士保,秦克云.改进的k-平均聚类算法研究[J].计算机工程,2007(13).

李怡.基于机器学习的光伏功率预测研究[D].中国矿业大学,2021(03).

梁彩霞.基于相似日和改进的PSO-DBN光伏出力短期预测[D].江苏大学,2020(02).

樊晓红.鸟群算法的改进及其应用[D].北方民族大学,2020(12).

韦航宇.基于GA-BP神经网络的光伏电站短期发电功率预测[D].广西大学,2019(01).

连魏魏.基于天气条件划分的光伏功率预测方法[D].华北电力大学(北京),2019(01).

甘露.极限学习机的研究与应用[D].西安电子科技大学,2014(11).

Shehroz S. Khan,Amir Ahmad.Cluster center initialization algorithm for K -means clustering[J].Pattern Recognition Letters,2004.

Views

327

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于VMD-SSA-K-means-iForest的重力坝监测数据异常模式混合识别算法研究

南京市不同范围暴雨特征及其天气型分析

东江流域梯级水电站的多目标调度研究

基于ANN-GA协同寻优的大跨度双曲桁架拱钢闸门结构优化设计

遗传算法的群体模式多样性与模式生长方程(Ⅱ)

Related Author

郭瑞

徐量

王福生

李涵曼

李铁

任杰

赵钢

徐毅

Related Institution

南京水利科学研究院水利部大坝安全管理中心

南京水利科学研究院水灾害防御全国重点实验室

淮安市水利勘测设计研究院有限公司

河海大学水文水资源学院

江苏省水利科学研究院

AI问答

⁰