论文摘要
为了提高短期光伏发电的预测精度,减少光伏发电不稳定性对于用户和电网的影响,提出一种结合相似日理论和K-means改进蝙蝠算法优化最小二乘法支持向量机LSSVM（least squares support vector machine）正则化参数和核参数的光伏发电功率短期预测方法。该方法通过历史数据集和预测日数据分析影响光伏发电功率的因素,构建日特征向量,筛选历史日数据作为训练集,并将预测日数据作为校验集。利用改进的蝙蝠算法全局寻优特性对LSSVM的参数进行优化,构建短期光伏发电功率预测模型。将所提模型与其他智能算法进行比较,结果表明该方法预测精度较高。
论文目录
文章来源
类型: 期刊论文
作者: 张彩庆,郑强
关键词: 光伏发电,短期预测,最小二乘法支持向量机,蝙蝠算法,相似日理论
来源: 电力系统及其自动化学报 2019年08期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 电力工业
单位: 华北电力大学经济与管理学院
分类号: TM615
DOI: 10.19635/j.cnki.csu-epsa.000104
页码: 86-93
总页数: 8
文件大小: 1085K
下载量: 491
相关论文文献
标签：光伏发电论文; 短期预测论文; 最小二乘法支持向量机论文; 蝙蝠算法论文; 相似日理论论文;