文献类型：期刊文章

作　　者：张金金[1,2] 张倩[1,2] 马愿[1,2] 马金辉[3] 丁津津[2]

Zhang Jinjin;Zhang Qian;Ma Yuan;Ma Jinhui;Ding Jinjin(School of Electrical Engineering and Automation,Anhui University,Hefei 230601,China;Engineering Research Center of Power Quality,Ministry of Education,Hefei 230601,China;State Grid Anhui Electric Power Co.,Ltd.,Hefei 230073,China)

机构地区：[1]安徽大学电气工程与自动化学院,合肥230601 [2]教育部电能质量工程研究中心,合肥230601 [3]国网安徽省电力有限公司,合肥230073

出　　处：《电测与仪表》

基　　金：国家自然科学基金青年基金项目(51507001);安徽省电力公司科技项目(52120018005D);安徽大学2015博士科研启动项目(J01001929)。

年　　份：2020

卷　　号：57

期　　号：12

起止页码：46-51

语　　种：中文

收录情况：BDHX、BDHX2017、JST、RCCSE、ZGKJHX、核心刊

摘　　要：光伏发电功率预测是电网安全稳定运行的基础,从数据挖掘的角度提升光伏发电功率预测精度,文中提出基于孤立森林、模糊C均值和Elman的短期光伏发电功率预测模型。根据预测日选择相似日数据并按天气分类作为训练样本;采用孤立森林清洗训练样本中的异常部分;应用模糊C均值对相似日以及待预测日的气象数据进行聚类分析。结合Elman神经网络算法,形成含孤立森林数据清洗的模糊聚类-Elman神经网络的预测模型,对光伏出力进行精确预测。根据某地市现场实测数据进行实验仿真,预测结果分别与传统Elman和BP模型的预测结果进行对比,所述模型可以获得更高的预测精度。

关 键 词：孤立森林  模糊C均值 ELMAN BP

分 类 号：TM715]