基于相似日聚类和改进红尾鹰算法的光伏发电功率预测.pdfVIP

临沂大学硕士专业学位论文

摘要

随着现代化进程的加速，传统能源面临枯竭，而太阳能凭借其清洁、无污染的特点日

渐崭露头角，成为电力行业备受关注的新能源。然而，光伏发电过程易受季节和天气变化

影响，其电力输出存在较大的波动性和不确定性，直接并网会对电网稳定运行造成威胁。

因此，准确提升光伏发电功率的预测精度，对增强电力系统的安全稳定性有至关重要的作

用。针对上述问题，本文主要研究内容如下：

1

（）针对现有光伏发电天气类型划分算法精度不足的问题，本文提出了一种融合多

维特征向量改进传统聚类算法的方法MDK-means++（Multi-DistributionK-means++）。该

方法通过引入统计属性公式将历史功率数据重构为五个关键特征向量，作为聚类算法的输

入向量。为验证MDK-means++的有效性，采用三个聚类质量评价指标对分类结果进行量

化分析，并对分类天气进行直观可视化展示和定性分析。在此基础上，利用欧氏距离进一

步选取待测日的相似集，为后续预测模型的输入数据集做准备。

（2）针对红尾鹰算法存在求解精度低、收敛速度慢和易跳入局部最优等问题，本文

提出了一种融合策略改进的红尾