• 设为首页
  • 加入收藏
  • 联系邮箱
  • 网站首页
  • 期刊介绍
    • 期刊简介
    • 历任主编
    • 期刊荣誉
  • 编委会
    • 社长及主编
    • 主任委员
    • 编委名单
  • 投稿指南
    • 作者须知
    • 投稿步骤
    • 范文(规范细则)
    • 稿件处理流程
    • 著作权转让协议
  • 期刊影响力
  • 开放获取
  • 出版道德政策
    • 出版伦理声明
    • 学术不端认定和处理方法
    • 广告及市场推广
    • 同行评议流程
    • 斟误和撤回
    • 回避制度
    • 文章署名及版权转让
  • 历年目次
  • 联系我们
  • English
站内检索    
 
李博彤,李明睿,刘梦晴.基于通径分析和相空间重构的光伏发电预测模型[J].电测与仪表,2022,59(11):79-87.
Li Botong,Li Mingrui,Liu Mengqing.A hybrid short-term PV power forecast model based on data processing[J].Electrical Measurement & Instrumentation,2022,59(11):79-87.
基于通径分析和相空间重构的光伏发电预测模型
A hybrid short-term PV power forecast model based on data processing
DOI:10.19753/j.issn1001-1390.2022.11.011
中文关键词:  光伏功率预测  通径系数分析  相空间重构  支持向量回归  时间序列
英文关键词:PV  power forecast, path  coefficient analysis, phase  reconstruction, SVR, time  series
基金项目:国家重点研发计划资助项目(2018YFA0702200)
        
作者中文名作者英文名单位
李博彤Li Botong国网冀北电力有限公司
李明睿Li Mingrui天津大学 电气自动化与信息工程学院
刘梦晴Liu Mengqing天津大学 管理与经济学部
摘要点击次数: 1300
中文摘要:
      光伏发电的短期预测对电网稳定运行、经济调度和可再生能源调节具有重要意义。但光伏功率输出受辐射强度、温度等气象因素影响,具有较大的波动性和随机性。为了提高预测精度和不同天气类型的普适性,文章提出了一种基于支持向量回归结合相空间重构和相似日选择的混合光伏输出预测算法。采用通径系数分析对历史数据集进行处理,量化光伏出力和气象因子的相关性,并确定主导气象因子作为相似日选择的标准。随后,利用相空间重构技术对非线性光伏功率时间序列进行处理,抑制了原始数据集的混沌特性。用实际数据验证了该算法的预测有效性。结果表明,与传统的支持向量回归模型相比,文中的预测模型可以进一步提高预测精度。此外,文中算法在晴天和阴雨天的情况下都表现出良好的性能。
英文摘要:
      The short-term forecast of photovoltaic solar power is important for grid stable operation, economic dispatch, and renewable energy accommodation. However, photovoltaic power output is influenced by environmental factors such as radiation intensity and temperature, showing great volatility and randomness. In order to further improve the accuracy of prediction and the universality of different weather types, a hybrid photovoltaic power forecast (HPF) algorithm based on support vector regression combined with phase space reconstruction and similar day selection is proposed in this paper. Using the real data, we verify the prediction effectiveness of the proposed HPF algorithm. The results show that compared with the traditional support vector regression model, the prediction model in this paper can further improve the prediction accuracy. Additionally, the algorithm in this paper also shows good performance under both weak-fluctuation and strong fluctuation.
查看全文  查看/发表评论  下载PDF阅读器
关闭
  • 哈尔滨电工仪表研究所有限公司
  • 中国电工仪器仪表信息网
  • 中国仪器仪表学会
  • 中华人民共和国新闻出版总署
  • 中国科技期刊编辑学会
  • 黑龙江省科学技术协会
  • 编辑之家
  • 中国知网
  • 万方数据库
  • 维普网
  • 北极星电力网
  • 中华中控网
  • 网站首页
  • 期刊介绍
    • 期刊简介
    • 历任主编
    • 期刊荣誉
  • 编委会
    • 社长及主编
    • 主任委员
    • 编委名单
  • 投稿指南
    • 作者须知
    • 投稿步骤
    • 范文(规范细则)
    • 稿件处理流程
    • 著作权转让协议
  • 期刊影响力
  • 开放获取
  • 出版道德政策
    • 出版伦理声明
    • 学术不端认定和处理方法
    • 广告及市场推广
    • 同行评议流程
    • 斟误和撤回
    • 回避制度
    • 文章署名及版权转让
  • 历年目次
  • 联系我们
地址:哈尔滨市松北区创新路2000号    邮编:150028
邮箱:dcyb@vip.163.com    电话:0451-86611021;87186023
© 2012 电测与仪表    哈公网监备2301003445号
黑ICP备11006624号-1
技术支持:北京勤云科技发展有限公司