基于混沌特性分析和Volterra滤波器的光伏出力预测

发布时间：2021-05-06 10:11

　　在混沌理论中,现有嵌入维数计算方法往往难以获得时间序列的最佳嵌入维数,不同计算方法获得的嵌入维数稍有不同,相应光伏出力的预测结果也就不同。为减小嵌入维数对预测结果的影响,在分析光伏出力时间序列非线性动力学特性的基础上,设计了一种基于多嵌入维数的Volterra组合预测模型。组合模型采用神经网络对各嵌入维数下的Volterra单一模型进行组合,单一预测模型均采用性能表现最好的2阶Volterra滤波器。仿真结果验证了组合模型的可行性和有效性。 

【文章来源】：电工电能新技术. 2020,39(10)北大核心CSCD

【文章页数】：8 页

【文章目录】：
1 引言
2 光伏出力时间序列混沌特性分析
    2.1 互信息法确定延迟时间
    2.2 Cao氏法确定嵌入维数
    2.3 光伏出力时间序列混沌特性识别
3 预测模型的建立
    3.1 基于Volterra的单一预测模型
    3.2 基于多嵌入维数的组合预测模型
4 光伏出力预测算例
    4.1 单一预测模型预测结果分析
    4.2 组合预测模型预测结果分析
5 结论


【参考文献】：
期刊论文
[1]一种适应于两级直流配电系统的光伏直流变换器及控制策略研究[J]. 郝利东,潘尚智,蒋建波,宫金武,罗海云,康鹏举,王文萃.  电工电能新技术. 2019(08)
[2]基于混沌-RBF神经网络的光伏发电功率超短期预测模型[J]. 王育飞,付玉超,孙路,薛花.  电网技术. 2018(04)
[3]基于Copula理论的风/光出力预测误差分析方法的研究[J]. 钟嘉庆,李茂林,江静,张晓辉.  电工电能新技术. 2017(06)
[4]基于萤火虫算法?广义回归神经网络的光伏发电功率组合预测[J]. 王昕,黄柯,郑益慧,李立学,邵凤鹏,贾立凯,徐清山.  电网技术. 2017(02)
[5]基于灰色系统校正-小波神经网络的光伏功率预测[J]. 丁明,刘志,毕锐,朱卫平.  电网技术. 2015(09)
[6]短期风速时间序列混沌特性分析及预测[J]. 田中大,李树江,王艳红,高宪文.  物理学报. 2015(03)
[7]基于相空间重构和小波神经网络的光伏阵列发电量预测[J]. 罗毅,千雨乐.  太阳能学报. 2014(06)
[8]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[J]. 黄磊,舒杰,姜桂秀,张继元.  电力系统自动化. 2014(05)
[9]基于EEMD-SVM方法的光伏电站短期出力预测[J]. 茆美琴,龚文剑,张榴晨,曹雨,徐海波.  中国电机工程学报. 2013(34)
[10]交通流量序列混沌特性分析及DFPSOVF预测模型[J]. 张玉梅,吴晓军,白树林.  物理学报. 2013(19)



本文编号：3171738