基于弯曲高斯过程组合方法的光伏出力预测研究
发布时间：2019-08-27 17:56
【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.
【图文】：
第１０期程泽等：基于弯曲高斯过程组合方法的光伏出力预测研究图１Ｂａｇｇｉｎｇ算法步骤Ｆｉｇ．１ＰｒｏｃｅｄｕｒｅｏｆＢａｇｇｉｎｇｍｅｔｈｏｄ３光伏出力概率预测流程ＢＭＡＲＳ－ＷＧＰ模型是一个结合了ＭＡＲＳ模型、模糊Ｃ均值算法、ＷＧＰ模型和Ｂａｇｇｉｎｇ算法的混合模型．光伏出力预测流程如下：１）首先采用公式ｙ＝ｘ－ｍｉｎ（ｘ）ｍａｘ（ｘ）－ｍｉｎ（ｘ）将原始数据做归一化处理，作为ＭＡＲＳ模型的输入，得到预测值的先验数据，同时筛选出重要变量，实现原始数据的降维．２）将选择出的重要变量Ｘ＊组成新的变量集，，利用模糊Ｃ均值算法将预测值的先验数据分为晴天和阴天两种不同天气状况．３）将新变量子集s幔兀阕魑淝咚构棠Ｐ偷氖淙耄矗┯τ茫拢幔纾纾椋睿缂伤惴ń烁鲎油淝咚构棠Ｐ桶凑杖ㄖ胤ㄗ楹铣梢桓銮客淝咚构棠Ｐ停詈笥τ玫玫降哪Ｐ褪迪植馐约莸脑げ猓玫讲馐允涑龅牡阍げ庵岛颓湓げ庵担渲懈髯幽Ｐ偷娜ㄖ匚害粒耄剑保ǎ遥停樱牛耄螅酰恚保遥停樱牛ǎǎ保福┦街校海ǎ遥停樱牛胛冢敫鲎幽Ｐ偷木礁蟛钪担夥⒌绻β试げ獾模拢停粒遥樱祝牵谢旌夏Ｐ偷慕峁雇既缤迹菜荆迹玻拢停粒遥樱祝牵薪峁雇迹疲椋纾玻拢停粒遥樱祝牵校妫颍幔恚澹鳎铮颍耄茨Ｐ徒峁吞致郏矗惫夥缯臼莼旌夏Ｐ偷氖莶捎霉实缙缱庸こ淌ρЩ崮茉丛げ夤ぷ髯榈奶裟茉げ庵泄夥缯荆玻埃保仓粒玻埃保茨甑南喙厥荩渲惺莅ü夥澹玻葱∈钡某隽χ岛拖嘤Φ钠蟛
本文编号：2529904
【图文】：
第１０期程泽等：基于弯曲高斯过程组合方法的光伏出力预测研究图１Ｂａｇｇｉｎｇ算法步骤Ｆｉｇ．１ＰｒｏｃｅｄｕｒｅｏｆＢａｇｇｉｎｇｍｅｔｈｏｄ３光伏出力概率预测流程ＢＭＡＲＳ－ＷＧＰ模型是一个结合了ＭＡＲＳ模型、模糊Ｃ均值算法、ＷＧＰ模型和Ｂａｇｇｉｎｇ算法的混合模型．光伏出力预测流程如下：１）首先采用公式ｙ＝ｘ－ｍｉｎ（ｘ）ｍａｘ（ｘ）－ｍｉｎ（ｘ）将原始数据做归一化处理，作为ＭＡＲＳ模型的输入，得到预测值的先验数据，同时筛选出重要变量，实现原始数据的降维．２）将选择出的重要变量Ｘ＊组成新的变量集，，利用模糊Ｃ均值算法将预测值的先验数据分为晴天和阴天两种不同天气状况．３）将新变量子集s幔兀阕魑淝咚构棠Ｐ偷氖淙耄矗┯τ茫拢幔纾纾椋睿缂伤惴ń烁鲎油淝咚构棠Ｐ桶凑杖ㄖ胤ㄗ楹铣梢桓銮客淝咚构棠Ｐ停詈笥τ玫玫降哪Ｐ褪迪植馐约莸脑げ猓玫讲馐允涑龅牡阍げ庵岛颓湓げ庵担渲懈髯幽Ｐ偷娜ㄖ匚害粒耄剑保ǎ遥停樱牛耄螅酰恚保遥停樱牛ǎǎ保福┦街校海ǎ遥停樱牛胛冢敫鲎幽Ｐ偷木礁蟛钪担夥⒌绻β试げ獾模拢停粒遥樱祝牵谢旌夏Ｐ偷慕峁雇既缤迹菜荆迹玻拢停粒遥樱祝牵薪峁雇迹疲椋纾玻拢停粒遥樱祝牵校妫颍幔恚澹鳎铮颍耄茨Ｐ徒峁吞致郏矗惫夥缯臼莼旌夏Ｐ偷氖莶捎霉实缙缱庸こ淌ρЩ崮茉丛げ夤ぷ髯榈奶裟茉げ庵泄夥缯荆玻埃保仓粒玻埃保茨甑南喙厥荩渲惺莅ü夥澹玻葱∈钡某隽χ岛拖嘤Φ钠蟛
本文编号：2529904
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/2529904.html
