基于弯曲高斯过程组合方法光伏出力预测研究.docVIP

基于弯曲高斯过程组合方法光伏出力预测研究 　　摘 要：针对光伏发电功率受多种天气因素影响造成预测难度大的现状，提出了一种基于弯曲高斯过程的混合模型，可以实现一天内任意时刻的光伏出力的概率预测，获得置信区间预测值和点预测值.该算法先由多元自适应回归样条模型实现对多维输入变量的约减，同时得到待预测值的先验数据，然后利用模糊C均值算法按天气类型对训练集数据和测试集的先验数据进行聚类，得到相似样本，再利用弯曲高斯过程模型对测试集数据进行估计，最后利用Bagging算法实现对子混合模型的集成学习，得到待预测值的区间估计和点估计.仿真及试验结果验证了该混合模型的有效性和可靠性.与高斯过程估计和BP神经网络分位数估计相比，该混合模型精度更高，实用性更强. 　　关键词：多元自适应回归样条；弯曲高斯过程；Bagging算法；区间预测；光伏发电 　　中图分类号：TM 715 文献标志码：A 　　A Research of Estimation of Solar Power Generation Based on 　　Warped Gaussian Process 　　CHENG Ze1，LIU Qi1，ZHANG Xia2 　　（1.School of Electrical and Information Engineering，Tianjin University，Tianjin 3