文献类型：期刊文章

作　　者：黄雨薇[1] 彭道刚[1] 姚峻[2] 张浩[1] 于会群[1]

Huang Yuwei;Peng Daogang;Yao Jun;Zhang Hao;Yu Huiqun(College of Automation Engineering,Shanghai University of Electric Power,Shanghai 200090;China 2.Shanghai Minghua Electric Power Technology Engineering Co.,Ltd.,Shanghai 200090,China)

机构地区：[1]上海电力大学自动化工程学院,上海200090 [2]上海明华电力技术工程有限公司,上海200090

出　　处：《太阳能学报》

基　　金：国家自然科学基金重大研究计划培育项目(92067105);国家自然科学基金面上项目(71871160);上海市“科技创新行动计划”地方院校能力建设专项项目(20020500500);上海市科学技术委员会工程技术研究中心项目(14DZ2251100)。

年　　份：2021

卷　　号：42

期　　号：4

起止页码：229-238

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD_E2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对光伏功率预测精度不高的特点,提出一种融合了奇异谱分析、K均值聚类法、时延特性和BP神经网络的光伏功率预测模型。利用相似日理论选取各天气类型训练样本,通过奇异谱分析的分解及重构,提取出蕴含在时间序列中的趋势及准周期成分,利用K均值聚类法将重构后的各天气样本聚类分析为K类。每类以温度、风速、天气类型和历史功率作为样本属性,并通过延时器处理,形成具有时延特性的样本集,作为BP神经网络的输入,构建出基于SSA和K均值的TD-BP神经网络光伏功率预测模型。结果表明,该模型对于光伏功率有较精准的预测,具有一定的可行性及实用性。

关 键 词：光伏发电  预测  神经网络 奇异谱分析 K均值聚类 时延特性

分 类 号：TM615]