基于多维时间序列局部支持向量回归的微网光伏发电预测

发布时间：2018-03-11 13:45

  本文选题：光伏功率预测　切入点：微网(微电网)　出处：《电力系统自动化》2014年05期 　论文类型：期刊论文

【摘要】：目前光伏发电预测普遍采用采样间隔较大的单一时间尺度功率序列建模,模型简单但对功率时序特征的模拟精度不高。文中提出了一种基于小采样间隔光伏功率数据的多维时间序列局部预测方法。通过构造不同时间尺度的光伏功率均值序列,形成以小时平均光伏功率序列为主要研究序列的多维时间序列;基于相关性分析、C-C方法和嵌入维最小预测误差法确定多维时间序列相空间重构的时间延迟和嵌入维;采用支持向量回归方法建立提前1h的光伏功率局部预测模型。以国内某微网的光伏功率预测为例进行仿真实验,计算结果表明,多维时间序列局部预测模型优于基于单一时间尺度功率序列的局部预测模型,更具应用价值。
[Abstract]:At present, photovoltaic generation prediction generally uses a single time scale power series modeling with large sampling interval. The model is simple but the simulation accuracy of power time series is not high. In this paper, a multi-dimensional time series local prediction method based on small sampling interval photovoltaic power data is proposed. The time delay and embedding dimension of phase space reconstruction of multidimensional time series are determined based on correlation analysis C-C method and minimum prediction error method of embedding dimension. The local prediction model of photovoltaic power is established by using support vector regression method. The simulation results show that the photovoltaic power prediction of a microgrid in China is simulated. The local prediction model of multidimensional time series is superior to the local prediction model based on single time scale power series and has more application value.
【作者单位】： 中国科学院广州能源研究所中国科学院可再生能源重点实验室;
【基金】：国家自然科学基金青年科学基金资助项目(51206170) 广东省粤港招标项目(2011BZ100101) 广州市重大科技专项(2010U1-D00231) 中国科学院与佛山市合作项目(2011BY100215)~~
【分类号】：TM615;O212.1

【参考文献】

相关期刊论文 前5条

1 张宜阳;卢继平;孟洋洋;严欢;李辉;;基于经验模式分解和混沌相空间重构的风电功率短期预测[J];电力系统自动化;2012年05期

2 杜颖;卢继平;李青;邓颖玲;;基于最小二乘支持向量机的风电场短期风速预测[J];电网技术;2008年15期

3 朱永强;田军;;最小二乘支持向量机在光伏功率预测中的应用[J];电网技术;2011年07期

4 王守相;张娜;;基于灰色神经网络组合模型的光伏短期出力预测[J];电力系统自动化;2012年19期

5 雷绍兰;孙才新;周nv;张晓星;;电力短期负荷的多变量时间序列线性回归预测方法研究[J];中国电机工程学报;2006年02期

【共引文献】

相关期刊论文 前10条

1 姜竹楠;刘峰;于文波;;基于小波包负荷特征提取和径向基网络的短期负荷预测新方法[J];电力科学与技术学报;2007年02期

2 杜杰;曹一家;徐立中;刘志坚;;短期负荷预测Volterra滤波器间隔采样模型[J];电工技术学报;2008年08期

3 白晓虎;姜汉桥;王硕亮;叶银珠;陈民锋;;油田开发动态指标多步预测模型研究[J];断块油气田;2010年03期

4 王兴元;赵敏;樊印海;;船舶电力负荷预测混沌时间序列分析法[J];大连理工大学学报;2010年01期

5 程德才;赵书强;马燕峰;;配电网可靠性指标的灰色组合预测方法及应用[J];电力科学与工程;2009年03期

6 井天军;阮睿;杨明皓;;基于等效平均风速的风力发电功率预测[J];电力系统自动化;2009年24期

7 茆美琴;周松林;苏建徽;;基于脊波神经网络的短期风电功率预测[J];电力系统自动化;2011年07期

8 王扬;张金江;温柏坚;郭创新;曹一家;吴栋梁;;风电场超短期风速预测的相空间优化邻域局域法[J];电力系统自动化;2011年24期

9 张宜阳;卢继平;孟洋洋;严欢;李辉;;基于经验模式分解和混沌相空间重构的风电功率短期预测[J];电力系统自动化;2012年05期

10 李云飞;黄彦全;蒋功连;;基于PCA-SVM的电力系统短期负荷预测[J];电力系统及其自动化学报;2007年05期

相关会议论文 前1条

1 栗然;柯拥勤;张孝乾;唐凡;;基于时序-支持向量机的风电场发电功率预测研究[A];中国智能电网学术研讨会论文集[C];2011年

相关博士学位论文 前10条

1 王敏;分布式电源的概率建模及其对电力系统的影响[D];合肥工业大学;2010年

2 郑晓雨;大电网实测负荷模型的实用化研究[D];华北电力大学（北京）;2011年

3 李智;风电规律预测及对电网运行影响的研究[D];山东大学;2011年

4 刘辉;铁路沿线风信号智能预测算法研究[D];中南大学;2011年

5 刘兴杰;风电输出功率预测方法与系统[D];华北电力大学;2011年

6 叶世杰;基于多指标模型的电力负荷预测研究[D];重庆大学;2010年

7 王扬;风电短期预测及其并网调度方法研究[D];浙江大学;2011年

8 黄汉奇;风力发电与光伏发电系统小干扰稳定研究[D];华中科技大学;2012年

9 苏宏升;软计算方法及其在电力系统故障诊断中的若干应用研究[D];西南交通大学;2007年

10 刘立霞;多变量金融时间序列的非线性检验及重构研究[D];天津大学;2007年

相关硕士学位论文 前10条

1 王鹏翔;基于机器自学习的电网安全校正算法研究[D];华北电力大学（北京）;2011年

2 鲁坤;风电场短期风速预测与预测值的置信度检验[D];兰州理工大学;2011年

3 钟光科;偏最小二乘回归分析在短期负荷预测中的应用[D];河北工程大学;2011年

4 许珂;砷盐净化除铜过程铜离子浓度预测模型的研究及应用[D];中南大学;2011年

5 胡玲;基于模糊神经网络的短期电力负荷预测研究[D];南华大学;2011年

6 邹文;基于模式识别的风电功率预测研究[D];华北电力大学;2011年

7 陈倩;区域风电功率一体化预测方法研究[D];华北电力大学;2011年

8 彭虎;风电分布模式及概率预测方法研究[D];哈尔滨工业大学;2010年

9 周野;基于粒子群优化算法的短期电力负荷预测[D];湖南大学;2009年

10 孟洋洋;风电场发电功率短期预测模型研究[D];重庆大学;2011年

【二级参考文献】

相关期刊论文 前10条

1 贺琳;李英姿;;改进GM(1,1)残差修正模型在光伏发电量短期预测中的应用[J];北京建筑工程学院学报;2008年04期

2 陈昌松;段善旭;殷进军;;基于神经网络的光伏阵列发电预测模型的设计[J];电工技术学报;2009年09期

3 张国强;张伯明;;基于组合预测的风电场风速及风电机功率预测[J];电力系统自动化;2009年18期

4 李智;韩学山;韩力;康凯;;地区电网风电场功率超短期预测方法[J];电力系统自动化;2010年07期

5 茆美琴;周松林;苏建徽;;基于脊波神经网络的短期风电功率预测[J];电力系统自动化;2011年07期

6 徐曼;乔颖;鲁宗相;;短期风电功率预测误差综合评价方法[J];电力系统自动化;2011年12期

7 温权,张勇传,程时杰;负荷预报的混沌时间序列分析方法[J];电网技术;2001年10期

8 雷亚洲,王伟胜,印永华,戴慧珠;风电对电力系统运行的价值分析[J];电网技术;2002年05期

9 蒋传文,袁智强,侯志俭,张勇传;高嵌入维混沌负荷序列预测方法研究[J];电网技术;2004年03期

10 杜颖;卢继平;李青;邓颖玲;;基于最小二乘支持向量机的风电场短期风速预测[J];电网技术;2008年15期

【相似文献】

相关期刊论文 前10条

1 张钢;何小敏;张小波;黄永慧;;统计学习算法在高校教学质量评估中的应用研究[J];电子科技大学学报(社科版);2008年04期

2 蒋辉;;基于MGM(1,n)模型的多元核支持向量回归预测[J];数学的实践与认识;2011年09期

3 肖健华;林健;刘晋;;基于SVR的区域经济短期预测模型[J];系统仿真学报;2005年12期

4 林溯;;基于支持向量回归的旅游客流量预测[J];科技信息(学术版);2006年12期

5 肖健华;;中国科技园区经济发展智能预测[J];计算机工程;2006年07期

6 杨玮龙;杨琦龙;;基于支持向量回归的供应链管理绩效评价研究[J];价值工程;2006年09期

7 孙晋众;林健;;基于小波的能源消费弹性系数预测方法[J];沈阳航空工业学院学报;2007年03期

8 黄远兵;蔡启明;杨玮龙;黄燕美;;基于支持向量回归的服务备件需求量预测研究[J];物流科技;2006年10期

9 赵卫;刘济科;;基于支持向量回归的迭代序列响应面可靠度计算方法[J];机械强度;2008年06期

10 王琴;沈远彤;;二尺度最小二乘小波支持向量回归[J];工程地球物理学报;2009年04期

相关会议论文 前6条

1 陈懿冰;张玲玲;石勇;;基于改进的支持向量回归机的金融时序预测[A];第六届（2011）中国管理学年会论文摘要集[C];2011年

2 尤华;王建东;;机场噪声的时间序列预测[A];2011年通信与信息技术新进展——第八届中国通信学会学术年会论文集[C];2011年

3 汤俊;肖健华;吴今培;;基于支持向量回归的商业银行信贷风险评估[A];中国运筹学会第八届学术交流会论文集[C];2006年

4 刘卓军;李晓明;;一种基于时间序列异常点监测的可疑交易分析方法[A];第十三届中国管理科学学术年会论文集[C];2011年

5 刘碧森;姚宇;;粗SVM理论及其在税收预测中的应用[A];第三届全国信息获取与处理学术会议论文集[C];2005年

6 蔡磊;赵斐;程国建;;支持向量回归在原油高压物性参数预测中的应用研究[A];第十二届中国青年信息与管理学者大会论文集[C];2010年

相关博士学位论文 前10条

1 谭显胜;支持向量回归解释性体系的建立及应用[D];湖南农业大学;2010年

2 蒋辉;经济预测的灰色支持向量回归方法[D];中南大学;2010年

3 袁从贵;最小二乘支持向量回归及其在水质预测中的应用研究[D];广东工业大学;2012年

4 刘广利;基于支持向量机的经济预警方法研究[D];中国农业大学;2003年

5 田英杰;支持向量回归机及其应用研究[D];中国农业大学;2005年

6 赵晖;支持向量机分类方法及其在文本分类中的应用研究[D];大连理工大学;2006年

7 阎彬;结构—热耦合问题及结构疲劳的可靠性分析方法研究[D];西安电子科技大学;2013年

8 刘靖旭;支持向量回归的模型选择及应用研究[D];国防科学技术大学;2006年

9 凌丹;威布尔分布模型及其在机械可靠性中的应用研究[D];电子科技大学;2011年

10 黄细霞;基于支持向量机的建模方法及其在材料加工中的应用研究[D];上海交通大学;2008年

相关硕士学位论文 前10条

1 苗强;农民收入的粗糙支持向量回归与实证分析[D];安徽大学;2010年

2 陈金翠;最小二乘支持向量回归组合预测模型的应用[D];新疆大学;2010年

3 汤宇曦;广东省经济运行效率与科技创新的协整分析及预测[D];五邑大学;2008年

4 刘健;混合微粒群算法研究及在随机规划中的应用[D];中国石油大学;2009年

5 林溯;ε-支持向量回归在时间序列型数据预测上的应用[D];四川大学;2007年

6 徐义田;支持向量回归算法的研究及其在食物安全中的应用[D];中国农业大学;2005年

7 王云龙;一种新的支持向量回归机模型[D];大连理工大学;2011年

8 马丽;基于支持向量回归理论的股份预测实证研究[D];新疆大学;2011年

9 吴欢欢;基于噪声模型的支持向量回归机的分析[D];哈尔滨工业大学;2011年

10 李金伟;与支持向量回归机对应的密度函数的研究[D];湖北师范学院;2011年

，

本文编号：1598438