微电网光伏发电Adaboost天气聚类超短期预测方法.PDFVIP

第 卷 第 期 年 月 日 , ４１ 　 ２１ 　２０１７ １１ １０ Vol．４１No．２１Nov．１０２０１７ : / DOI１０．７５００AEPS２０１７０２１７００６ 微电网光伏发电的Adaboost天气聚类超短期预测方法 , , , , 谭 津 邓长虹 杨 威 梁 宁 李丰君 　 　 　 ( , ) 武汉大学电气工程学院 湖北省武汉市 ４３００７２ : , 摘要 微电网光伏发电预测精度与天气状态呈高度相关性 非晴空条件下气象因素的随机波动使 . , 得超短期预测精度较低 对此 文中提出一种改进 Adaboost天气聚类和马尔可夫链的组合预测 . , ( ) 方法 首先采用滑动平均法提取辐照度特征变量 设计并训练 改进的 近邻 分 Adaboost K KNN , ; , 类器 实现历史样本的分类 为进一步提高多云和阴雨天的预测精度 引入天气类型衰减系数对 , ; Hottel太阳辐射模型进行校正 形成完整描述各天气类型的辐照度基准模型 建立多阶加权马尔 ; . 可夫链模型输出辐照度预测值 最后由光电转换模型实现间隔５min的微电网光伏超短期预测 , , 仿真结果表明 所述预测方法提高了各天气类型下的预测精度 对提高微电网经济调度水平具有重 要意义. : ; ; ; ; 关键词 光伏发电 微电网 超短期预测 衰减系数 Adaboost ; [ ] ０　引言 输入神经网络预测模型 文献 １７计算了各天气类 , 型下光伏发电实际值与理想值的偏差 并对小波神 , 光伏输出功率具有间歇性 且受多种天气因素 , 经网络预测模型进行校正 提高了非理想条件下的 [ ] １Ｇ２ , 影响而表现出较强的随机波动性 因此大规模光