[1]孙艳玲,朱晨光,邵 山,等.基于自适应 k 均值和 SVR 的光伏出力预测[J].机械与电子,2024,42(08):15-19.
　SUN Yanling,ZHU Chenguang,SHAO Shan,et al.Photovoltaic Output Prediction Based on Adaptive?k-means and SVR[J].Machinery & Electronics,2024,42(08):15-19.
点击复制

基于自适应 k 均值和 SVR 的光伏出力预测()
分享到：

《机械与电子》[ISSN:1001-2257/CN:52-1052/TH]

卷:
42
期数:
2024年08期
页码:
15-19
栏目:
研究与设计
出版日期:
2024-08-31

文章信息/Info

Title:
Photovoltaic Output Prediction Based on Adaptive?k-means and SVR
文章编号:
1001-2257 ( 2024 ) 08-0015-05
作者:
孙艳玲 1 ; 朱晨光 1 ; 邵 山 2 ; 田 媛 2 ; 陈中杰 2 ; 谢东阳 2
1. 平高集团有限公司,河南 平顶山 467000 ;
2. 平高综合能源服务有限公司,河南 平顶山 467000
Author(s):
SUN Yanling1 ;  ZHU Chenguang1 ;  SHAO Shan2 ;  TIAN Yuan2 ;  CHEN Zhongjie2 ;  XIE Dongyang2
( 1.Pinggao Group Co. , Ltd. , Pingdingshan 467000 , China ;
2.Pinggao Integrated Energy Service Group Co. , Ltd. , Pingdingshan 467000 , China )
关键词:
自适应 k 均值; 光伏功率; 出力预测; 支持向量回归
Keywords:
adaptive?k-means ;  PV power ;  output prediction ;  support vector regression
分类号:
TM73
文献标志码:
A
摘要:
为解决光伏功率预测不准确问题,提出了一种基于自适应 k 均值和支持向量回归的光伏出力预测方法。首先,分析了 k 均值聚类及其改进方法,给出了支持向量回归( SVR )的基本原理和应用流程,介绍了 SVR 中径向基函数凸优化模型。然后,结合自适应 k 均值和支持向量回归,依据光伏出力基本特点,分析了光伏出力预测流程及预测结果统计学评价指标。最后,以“云南昆明”光照数据为实际算例,确定了预测模型结构,并分别采用 k-means and SVR 、 ARMA 和 ANN 这 3 种方法进行预测,对比了不同聚类结果和不同算法时的预测统计指标,验证了所提方法的有效性,为光伏出力预测提供了一种方法。
Abstract:
To solve the problem of inaccurate photovoltaic power prediction , a photovoltaic output prediction method based on adaptive?k-means and support vector regression is proposed.Firstly , k-means clustering and its improvement methods are analyzed , and the basic principle and application process of support vector regression( SVR ) are presented.The radial basis function convex optimization model is introduced.Then , combining adaptive?k-means and support vector regression , based on the basic characteristics of photovoltaic output , the photovoltaic output prediction process and statistical evaluation indicators of prediction results are analyzed.Finally , taking the lighting data of “ Kunming , Yunnan ” as an actual calculation example , the prediction model structure is determined , and three algorithms , k-means and SVR , ARMA , and ANN , are used for prediction.The prediction statistical indicators under different clustering results and algorithms are compared to verify the effectiveness of the proposed method , providing a method for photovoltaic output prediction.

参考文献/References:

[ 1 ] 李忠红,何乐生,汪静,等 . 基于气象信息充分挖掘的多尺度光伏功率预测研究[ J ] . 中国测试, 2022 , 48 ( 12 ):111-117.

[ 2 ] 党秀娟,何柏娜,孙坚,等 . 基于改进粒子群算法的光伏最大功率点跟踪[ J ] . 山东电力技术, 2022 , 49 ( 9 ): 36-43.
[ 3 ] 王士柏,王玥娇,王楠,等 . 基于小波分解与神经网络的光伏功率预测[ J ] . 山东电力技术, 2021 , 48 ( 5 ): 1-7.
[ 4 ] 陈文进,陈菁伟,钱建国,等 . 气象特征频繁变化区域的光伏功率预测方法[ J ] . 浙江电力, 2023 , 42 ( 3 ): 37-46.
[ 5 ] 陈文进,朱峰,张童彦,等 . 基于 AFSA-BP 神经网络的光伏功率预测方法[ J ] . 浙江电力, 2022 , 41 ( 4 ): 7-13.
[ 6 ] 王涛,王旭,许野,等 . 计及相似日的 LSTM 光伏出力预测模型研究[ J ] . 太阳能学报, 2023 , 44 ( 8 ): 316-323.
[ 7 ] 汤德清,朱武,侯林超 . 基于 CNN-LSTM-XGBoost模型的超短期光伏功率预测[ J ] . 电源技术, 2022 , 46( 9 ): 1048-1052.
[ 8 ] 闫健 . 基于 K 均值聚类的海上风电功率预测研究[ J ] . 北京信息科技大学学报(自然科学版),2021 , 36 ( 4 ): 54-58.
[ 9 ] 刘文婧,赵鹏飞,张文兴,等 . 基于流形半监督 K 均值算法的风力发电机故障诊断方法[ J ] . 机床与液压, 2020 ,48 ( 17 ): 191-194.
[ 10 ] 黄雨薇,彭道刚,姚峻,等 . 基于 SSA 和 K 均值的 TD-BP神经网络超短期光伏功率预测 [ J ] . 太阳能学报,2021 , 42 ( 4 ): 229-238.
[ 11 ] 李畸勇,张伟斌,赵新哲,等 . 改进鲸鱼算法优化支持向量回归的光伏最大功率点跟踪[ J ] . 电工技术学报,2021 , 36 ( 9 ): 1771-1781.
[ 12 ] 李畸勇,汤允凤,胡恒,等 . 基于支持向量回归的 PV / T组件温度实时预测 [ J ] . 可再生能源,2020 , 38 ( 8 ):1040-1046.
[ 13 ] 周宇,刘海璇,胡卫丰,等 . 基于 K 均值聚类的居民用电行为特征分析 [ J ] . 计算机与数字工程,2021 , 49( 5 ): 1018-1023 , 1035.
[ 14 ] 陈瑶,陈晓宁 . 基于自适应 Kmeans 和 LSTM 的短期光伏发电预测[ J ] . 电测与仪表, 2023 , 60 ( 7 ): 94-99.
[ 15 ] 刘晗,王万雄 . 基于 SARIMA-GS-SVR 组合模型的短期电力需求预测[ J ] . 电子科技, 2022 , 35 ( 8 ): 58-65.
[ 16 ] 关书怀,沈艳霞 . 基于粒子群优化径向基函数神经网络的电力负荷预测 [ J ] . 传感器与微系统,2021 , 40( 5 ): 128-131.
[ 17 ] 朱震曙,薄煜明,吴盘龙,等 . 基于 QPSO-RBFNN 的短期电力负荷预测模型 [ J ] . 南京理工大学学报,2016 , 40 ( 1 ): 97-101.

相似文献/References:

[1]邓韦斯,戴仲覆,王皓怀,等.基于 WNN 的光伏功率超短期预测研究[J].机械与电子,2023,41(12):15.
　DENG Weisi,DAI Zhongfu,WANG Haohuai,et al.Ultra-short-term Forecasting Research Research of Photovoltaic Power Based on WNN[J].Machinery & Electronics,2023,41(08):15.

备注/Memo

备注/Memo:
收稿日期: 2023-10-20
作者简介:孙艳玲 ( 1980- ),女,河南西平人,硕士,高级工程师,研究方向为综合能源领域技术开发、市场推广应用和典型综合能源场景方案设计;朱晨光 ( 1984- ),男,河南平顶山人,硕士,副高级工程师,研究方向为新型电力系统、能源互联网和综合能源服务等。
更新日期/Last Update: 2024-09-02