基于模糊支持向量机的光伏发电量预测.pdf

第 46卷 第 1期 热 力 发 电 Vo1．46 NO．1 2017年 1月 THERMALPOW ER GENERAT10N Jan．2017 基于模糊支持 向量机 的光伏发 电量预测 张 玉，莫 寒，张烈平 (桂林理工大学广西建筑新能源与节能重点实验室，广西 桂林 541004) [摘 要]受到光照强度、温度、湿度和风速等气象因素的影响，光伏发电系统出力具有波动性、间接性和 不可控性等特点，光伏发电量预测精度较低。对此，本文采用模糊理论结合支持 向量机 的方法 预测光伏发电量。首先通过模糊 C均值聚类算法计算模糊隶属度 ，然后对原始样本进行聚类， 生成模糊样本 ，再采用支持向量机对模糊样本进行训练，最后利用预测模型预测未来几天的光 伏发电量。MATLAB仿真实验预测显示：相对于经典的BP神经网络模型和支持向量机模型， 模糊支持向量机预测模型更稳定且预测结果误差更小；该模型克服 了传统光伏预测方法中存在 的极易陷入极小值以及不确定气象因素影响等缺陷，提高了系统预测精度。 [关 键 词]模糊理论 ；支持 向量机；光伏发 电；发 电量预测 ；MATLAB软件 ；模糊隶属度 ；BP神经网络； 预测误 差 [中图分类号]TM615 [文献标识码]A [文 章 编 号]1002—3364(2017)01—0116—05 [DOI编 号]10．3969／j．issn．1002—3364．2017．01．116 Photovoltaicpowerpredictionbasedonfuzzysupportvectormachine ZHANG Yu ，M 0 Han，ZHANG Lieping (GuangxiKeyLaboratoryofNew EnergyandBuildingEnergySaving，GuilinUniversityofTechnology，Guilin541004，China) Abstract：Influenced by meteorologicalfactorssuch as lightintensity，temperature，humidity and wind speed，theoutputofphotovoltaicpowergeneration system hasthecharacteristicsoffluctuation，indirect— nessanduncontrollable，theforecastresultsofphotovoltaicpowerpredictionhaslow accuracy．Tosolve thisproblem，thispapercombinesthefuzzytheorywith supportvectormachine(SVM )methodtOpredict thephotovoltaicpowergeneration．Firstly，thefuzzymembershipdegreevalueiscalculatedbythefuzzyC— meansclusteringalgorithm．Then，theoriginalsampleisclusteredtogeneratethefuzzysample．Secondly， thesupportvectormachineisapplied to train thefuzzysample．Finally，theFSVM forecastmodelisem— ployedtopredictthenextfew daysphotovoltaicpowercapacity．TheM ATLAB experimentalresultsshow that，theaccuracy ofthemodelishighercomparedwith theBP andSVM mode1．TheFSVM modelcan overcometheconventionaltroublessuchaseasilygoingintotheminimum problem a