摘要
光電発電出力の予測精度と信頼性を向上させるために、類似日と分位数回帰フォレスト（QRF）に基づく光電発電出力確率密度予測モデルを提案します。特定の光電発電所の実測データを研究対象とし、光電発電出力の原始データを異なる天候タイプに分類した後、温度と風速2つの特徴ベクトルを使用して類似日を選択し、類似日の履歴データに基づいてBPニューラルネットワーク（BPNN）、サポートベクターマシン（SVM）、およびQRF予測モデルを構築します。結果は次のとおりです。晴れた日には、異なるモデルの予測値は実際の値の変化傾向をうまく追跡でき、13:00〜16:00の光電発電出力が低下する時間帯にQRFモデルが実際の値により近づいています。曇りの日または陰の日には、9:00〜12:00に3つのモデルの予測誤差が大きいです。雨の日には、14:00〜16:00の光電発電出力が急変する時間帯にBPNNモデルの予測誤差が最も大きく、SVMの予測値はQRFモデルに比べて実際の値により近く、10:00〜12:00にSVMモデルの予測誤差が増加します。様々なモデルと天候タイプによる予測誤差から、QRFモデルの予測性能がより優れています。
关键词
光電発電出力; 確率密度予測; 類似日; 分位数回帰フォレスト; カーネル密度推定