【摘要】：針對光伏發(fā)電功率受多種天氣因素影響造成預(yù)測難度大的現(xiàn)狀,提出了一種基于彎曲高斯過程的混合模型,可以實(shí)現(xiàn)一天內(nèi)任意時刻的光伏出力的概率預(yù)測,獲得置信區(qū)間預(yù)測值和點(diǎn)預(yù)測值.該算法先由多元自適應(yīng)回歸樣條模型實(shí)現(xiàn)對多維輸入變量的約減,同時得到待預(yù)測值的先驗(yàn)數(shù)據(jù),然后利用模糊C均值算法按天氣類型對訓(xùn)練集數(shù)據(jù)和測試集的先驗(yàn)數(shù)據(jù)進(jìn)行聚類,得到相似樣本,再利用彎曲高斯過程模型對測試集數(shù)據(jù)進(jìn)行估計,最后利用Bagging算法實(shí)現(xiàn)對子混合模型的集成學(xué)習(xí),得到待預(yù)測值的區(qū)間估計和點(diǎn)估計.仿真及試驗(yàn)結(jié)果驗(yàn)證了該混合模型的有效性和可靠性.與高斯過程估計和BP神經(jīng)網(wǎng)絡(luò)分位數(shù)估計相比,該混合模型精度更高,實(shí)用性更強(qiáng).
【圖文】：

第１０期程澤等：基于彎曲高斯過程組合方法的光伏出力預(yù)測研究圖１Ｂａｇｇｉｎｇ算法步驟Ｆｉｇ．１ＰｒｏｃｅｄｕｒｅｏｆＢａｇｇｉｎｇｍｅｔｈｏｄ３光伏出力概率預(yù)測流程ＢＭＡＲＳ－ＷＧＰ模型是一個結(jié)合了ＭＡＲＳ模型、模糊Ｃ均值算法、ＷＧＰ模型和Ｂａｇｇｉｎｇ算法的混合模型．光伏出力預(yù)測流程如下：１）首先采用公式ｙ＝ｘ－ｍｉｎ（ｘ）ｍａｘ（ｘ）－ｍｉｎ（ｘ）將原始數(shù)據(jù)做歸一化處理，作為ＭＡＲＳ模型的輸入，得到預(yù)測值的先驗(yàn)數(shù)據(jù)，同時篩選出重要變量，實(shí)現(xiàn)原始數(shù)據(jù)的降維．２）將選擇出的重要變量Ｘ＊組成新的變量集，，利用模糊Ｃ均值算法將預(yù)測值的先驗(yàn)數(shù)據(jù)分為晴天和陰天兩種不同天氣狀況．３）將新變量子集s幔兀闋魑淝咚構(gòu)棠Ｐ偷氖淙耄矗┯τ茫攏幔紓紓椋睿緙傷惴ń爍鱟油淝咚構(gòu)棠Ｐ桶湊杖ㄖ胤ㄗ楹銑梢桓鑾客淝咚構(gòu)棠Ｐ�，最后应用得到的模型实现拆}約蕕腦げ�，得抵v饈允涑齙牡閽げ庵島頹湓げ庵擔(dān)渲懈髯幽Ｐ偷娜ㄖ匚害粒耄劍保ǎ遙停櫻牛耄螅酰恚保遙停櫻牛ǎǎ保福┦街校海ǎ遙停櫻牛胛冢敫鱟幽Ｐ偷木礁蟛鈧擔(dān)夥⒌綣β試げ獾模攏停粒遙櫻祝牽謝旌夏Ｐ偷慕峁雇既繽跡菜荊跡玻攏停粒遙櫻祝牽薪峁雇跡疲椋紓玻攏停粒遙櫻祝牽校媯潁幔恚澹鰨錚潁耄茨Ｐ徒峁吞致郟矗憊夥繒臼莼旌夏Ｐ偷氖薟捎霉實(shí)縉繾庸こ淌ρЩ崮茉叢げ夤ぷ髯櫚奶裟茉げ庵泄夥繒荊玻埃保倉粒玻埃保茨甑南喙厥藎渲惺蒞ü夥澹玻蔥∈鋇某雋χ島拖嚶Φ鈉蟛

本文編號：2529904