论文摘要
针对目前光伏发电功率预测方法所存在的预测精度较低和不同天气类型适应性较弱的问题,提出一种利用主成分分析（PCA）和遗传算法（GA）改进极限学习机（ELM）的光伏发电功率预测模型（PCA-GA-ELM预测模型）。该模型的计算过程:首先,基于季节因素和天气类型等气象因素对于光伏发电系统的影响,在不同季节下建立了不同的子模型,并利用灰色关联分析法选取同种天气类型下的相似日;然后,利用PCA将多个原始输入变量降维成少数彼此独立的变量;最后,利用GA对ELM的初始权值和阈值进行寻优。此外,文章利用光伏电站的实际发电功率数据对预测模型进行验证。分析结果表明,PCA-GA-ELM预测模型具有较高的预测精度和较强的泛化能力。
论文目录
文章来源
类型: 期刊论文
作者: 程港,林小峰,宋绍剑,林予彰,黄清宝
关键词: 主成分分析法,光伏发电功率预测,遗传算法,极限学习机,灰色关联分析
来源: 可再生能源 2019年10期
年度: 2019
分类: 工程科技Ⅱ辑,农业科技
专业: 电力工业
单位: 广西大学电气工程学院,马萨诸塞大学洛厄尔分校电气与计算机工程学院
基金: 国家自然科学基金资助项目(51767005),广西自然科学基金项目(2017GXNSFAA198225)
分类号: TM615
DOI: 10.13941/j.cnki.21-1469/tk.2019.10.004
页码: 1440-1447
总页数: 8
文件大小: 1848K
下载量: 459
相关论文文献
标签：主成分分析法论文; 光伏发电功率预测论文; 遗传算法论文; 极限学习机论文; 灰色关联分析论文;