文献类型：期刊文章

作　　者：黄予春[1] 曹成涛[2] 顾海[3]

HUANG Yuchun;CAO Chengtao;GU Hai(Luohe Power Supply Company,State Grid Henan Electric Power Company,Luohe 462000,China;South China University of Technology,Guangzhou 510640,China;Harbin Institute of Technology,Harbin 150001,China)

机构地区：[1]国网河南省电力公司漯河供电公司,河南漯河462000 [2]华南理工大学,广东广州510640 [3]哈尔滨工业大学,黑龙江哈尔滨150001

出　　处：《电力系统保护与控制》

基　　金：国家星火计划项目(2015GA780024)~~

年　　份：2018

卷　　号：46

期　　号：24

起止页码：96-103

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：为提高短期光伏发电功率预测精度和降低气候等因素对预测结果的影响,提出了一种基于IKFCM与多模态SSO优化SVR的光伏发电功率短期预测方案。首先采用改进的KFCM(Improved KFCM, IKFCM)聚类方法对训练样本集进行处理,通过引入紧致离散聚类有效性指数,在提高IKFCM聚类准确率的同时实现了自动划分训练样本集,有效降低了样本数据差异对预测性能的影响。然后构建与训练样本集分类一一对应的SVR预测模型,并采用多模态SSO优化(Multi-mode SSO, MSSO)算法对SVR模型参数进行优化,进而得到不同分类的最优SVR参数组合。最后,运用MSSO优化SVR模型对测试数据进行预测评估。仿真结果表明,该方案实现了不同天气下短期光伏发电功率准确预测,而且同其他预测算法相比预测精度提高了25.2%～37.8%。

关 键 词：光伏发电功率  核模糊C-均值聚类  群居蜘蛛优化  支持向量回归(SVR)  

分 类 号：TM615]