CN103390200A - 基于相似日的光伏电站发电输出功率预测方法 - Google Patents
基于相似日的光伏电站发电输出功率预测方法 Download PDFInfo
- Publication number
- CN103390200A CN103390200A CN2013103011501A CN201310301150A CN103390200A CN 103390200 A CN103390200 A CN 103390200A CN 2013103011501 A CN2013103011501 A CN 2013103011501A CN 201310301150 A CN201310301150 A CN 201310301150A CN 103390200 A CN103390200 A CN 103390200A
- Authority
- CN
- China
- Prior art keywords
- day
- sample set
- similar
- similar day
- weather
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
本发明公开了一种基于相似日的光伏电站发电输出功率预测方法,包括:1)将天气类型信息用相应的数据信息来描述,选取天气类型、温度和湿度作为相似日的特征量;2)将归一化后的相似日的特征量利用模糊聚类分析法进行聚类分析,求得不同聚类数目下的数据分类结果;3)通过聚类效果评价指标确定最佳聚类个数,形成相似日样本集;4)形成每个相似日样本集的发电量预测模型;5)根据预测日的天气预报信息,采用模糊聚类分析法确定预测日对应的相似日样本集,根据所对应相似日样本集的发电量预测模型实现对预测日发电量的预测。本发明方法简单易行,准确度高。
Description
技术领域
本发明涉及光伏发电技术领域,具体涉及一种基于相似日的光伏电站发电输出功率预测方法。
背景技术
随着全球工业化的快速发展和世界人口的持续增长,以石油、天然气和煤炭为主的常规能源日渐枯竭,开发利用清洁、安全、环保的能源成为人类社会缓解日益加剧的能源短缺的共同选择和治理严峻环境污染的有生力量。太阳能作为一种可再生能源近年来得到广泛关注,太阳能光伏发电是利用太阳能电池的光伏效应原理将太阳辐射能直接转换为电能的一种发电形式。现阶段太阳能发电受到世界各国的重视,太阳能发电产业得到了蓬勃的发展。
对于电网而言,光伏发电站的输出功率可以视为负的负荷,由于光伏发电站受天气的影响较大,所以光伏发电的输出功率具有随机波动以及间歇性等特点,因此光伏电站并网将对电网的平衡产生很大的影响。为了保证电力系统的安全稳定的运行,使电力调度部门能够根据光伏发电量变化及时调整调度计划,降低备用容量和运行成本,需要合理配置电网中的光伏发电量,需要对光伏电站的发电量进行短期的预测。
目前太阳能发电量预测的研究越来越多,主要分为直接预测与间接预测。预测领域常用的预测方法有神经网络法、灰色预测法、时间序列法、支持向量机等。由于神经网络法能够以任意精度逼近任何非线性映射,因此适合描述具有复杂非线性特点的太阳能电站发电量预测模型;通过模糊聚类可以得到样本分属于各个类别的不确定性程度,更能客观反映现实世界。所以根据太阳能发电的相似性和连续性变化规律,采用一种基于模糊聚类选取相似日的BP太阳能发电量预测方法,有效提高光伏电站预测发电的准确率。
发明内容
本发明的目的地是:提供一种基于相似日的光伏电站发电输出功率预测方法,可有效提高光伏电站预测发电的准确率,保证电力系统安全稳定的运行,降低备用容量和运行成本。
本发明的技术解决方案是:该基于相似日的光伏电站发电输出功率预测方法包括如下步骤:
1)选取温度、湿度和天气类型作为相似日的特征向量,然后将温度特征向量和湿度特征向量分别进行归一化处理,同时将天气类型特征向量映射为数值;
2)将归一化的温度特征向量和湿度特征向量,以及映射为数值的天气类型特征向量进行聚类分析,即利用模糊聚类分析法求得不同聚类数目下的数据分类结果,把具有相同天气特征的样本聚为一类;
3)根据聚类评价指标函数求得所有数据分类的Xie—Beni 有效性指标Vxb,然后将有效性指标Vxb最小的数据分类作为聚类结果,形成相似日样本集;
4)采用BP神经网络建立基于相似日的光伏电站发电量的预测模型,利用每一个形成的相似日样本集对预测模型进行训练,形成每个相似日样本集的发电量预测模型;
5)根据预测日的天气预报信息,采用模糊聚类分析法确定预测日对应的相似日样本集,根据所对应相似日样本集的发电量预测模型,对预测日的发电量进行预测。
本发明的有益效果是:光伏发电功率输出具有周期性规律及相似性特点,相同天气情况时输出功率曲线变化趋势相同,目前对光伏发电功率进行预测技术没有对样本数据进行分类或是仅仅将样本数据简单分类为晴天、阴天、雨天,然后进行预测;本发明在现有技术的基础上,增加了模糊聚类分析和聚类评价指标函数两种技术,有效地提高了光伏发电量的预测精度;本发明采用的聚类评价指标函数获得最佳的聚类个数,产生最好的聚类结果,形成相似日样本集;采用的模糊聚类分析方法确定预测日所对应的相似日样本集,然后根据所对应相似日样本集的发电量预测模型实现对发电量的预测,显著提高了经济效益和社会效益。
附图说明
图1是本发明方法的流程框图。
具体实施方式
实施例:
1)选取温度、湿度和天气类型作为相似日的特征向量,将温度特征向量和湿度特征向量分别进行归一化处理,同时将天气类型特征向量映射为数值;具体流程如下:
步骤1-1:分析和计算光伏电站的发电量与气象数据的相关性,结合计算结果以及气象部门提供的天气信息选取温度、湿度以及日类型为相似日的特征向量;
步骤1-2: 将温度特征向量和湿度特征向量进行归一化处理,对天气预报中得到的关于日类型的模糊的语言描述进行处理,将天气类型特征向量映射为数值;
2)利用模糊聚类分析法将归一化的温度特征向量和湿度特征向量,以及映射为数值的天气类型特征向量进行聚类分析;具体流程如下:
步骤2-1:对光伏电站监测系统的历史监测数据和气象部门提供的历史气象数据进行收集、整理和筛选分析,剔除掉不合理的数据;
步骤2-2:将归一化的温度特征向量和湿度特征向量以及映射为数值的天气类型特征向量进行聚类分析,利用模糊聚类分析法进行聚类求得不同聚类数目下数据分类结果,把具有相同天气特征的样本聚为一类,所述相同天气特征是指具有相似温度、湿度以及天气类型特征向量;
3)根据聚类评价指标函数求得所有数据分类的Xie—Beni 有效性指标Vxb,然后将有效性指标Vxb最小的数据分类作为聚类结果,形成相似日样本集,其中Xie—Beni是指Xie X .L 和Beni G. A两人根据数据集的几何结构,在1991年提出的有效性指标;有效性指标Vxb能够衡量类内的紧凑度和类间的分离度,在类内紧凑度与类间分离度之间找到了一个平衡点,其值越小,获得的聚类结果越好;其具体表达式为:
N为样本个数,、为样本j,U为隶属度矩阵即每个样本对每类的隶属度,c为分类数目,V为每类的聚类中心,上式中用来衡量类内的紧凑度,值越小,类内数据相似性越大越紧凑。用来衡量类与类之间的分离程度,越大则类与类之间的不相似性越大,则类间分离度越好;
4)采用BP神经网络建立基于相似日的光伏电站发电量的预测模型,其中BP是指误差反向传播算法,利用每一个形成相似日样本集对预测模型进行训练,形成每个相似日样本集的发电量预测模型。BP神经网络的输入量为预测日温度特征向量和预测日湿度特征向量,输出量为预测日每小时的发电量;
5)根据预测日的天气预报信息,采用模糊聚类分析法确定预测日所对应的相似日样本集,然后根据所对应相似日样本集的发电量预测模型,对预测日的发电量进行预测;具体流程如下:
步骤5-1:预测时,根据预测日的天气预报信息,选取温度、湿度以及日类型为相似日选择的特征向量,采用模糊聚类分析法,按照相似度最大的原则,确定预测日所对应的相似日样本集,然后选择与其相应的发电量预测模型,对预测日的每小时的发电量进行预测;
步骤5-2:采用每天平均相对误差MAPE对发电预测结果评估, MAPE可以避免正负抵消,评估整个系统的预测能力。
实例分析:
利用本发明方法对某光伏电站进行光伏发电量预测,将温度特征向量和湿度特征向量进行归一化处理,使其分布在[0,1]区间;将天气类型特征向量映射到[0,1.5]数值区间,加大日类型的作用;根据模糊聚类分析法将国内某地区的气象数据聚类为不同数目,根据聚类有效性指标确定最佳聚类数目为4,预测模型1主要为晴天及晴转多云天气、预测模型2主要为多云天气、预测模型3主要为为阴天、预测模型4主要为阴转小雨及雨天,根据4类样本分别建立4个预测模型,下表1为使用本发明方法进行光伏发电量预测的预测误差统计表。
表1
从表中可以看出本发明方法的预测结果准确度高,满足电网运行使用的要求。
综上所述,本发明提供的基于相似日的光伏电站发电输出功率预测方法,通过模糊C均值法将样本数据聚类为不同数目,根据聚类有效性指标选择最佳聚类数目,确定相似日样本,根据预测日天气特征量,按照相似度最大的原则,确定其所在的类,然后选择与其对应的BP发电量预测模型,实现对未来发电量的预测,有效地提高了光伏发电量的预测精度,显著提高了经济效益和社会效益。
应当说明的是,以上实施例仅用来说明本发明的技术方案,不用于限制本发明,本发明的保护范围由权利要求限定;通过实施例对本发明的详细的说明,本领域的技术人员可以对本发进行修改或者等同替换,这种修改或者等同替换应认为在本发明权利要求范围内。
Claims (1)
1.基于相似日的光伏电站发电输出功率预测方法,其特征在于该方法包括以下步骤:
1)选取温度、湿度和天气类型作为相似日的特征向量,然后将温度特征向量和湿度特征向量分别进行归一化处理,同时将天气类型特征向量映射为数值;
2)将归一化的温度特征向量和湿度特征向量,以及映射为数值的天气类型特征向量进行聚类分析,即利用模糊聚类分析法求得不同聚类数目下的数据分类结果,把具有相同天气特征的样本聚为一类;
3)根据聚类评价指标函数求得所有数据分类的Xie—Beni 有效性指标Vxb,然后将有效性指标Vxb最小的数据分类作为聚类结果,形成相似日样本集;
4)采用BP神经网络建立基于相似日的光伏电站发电量的预测模型,利用每一个形成的相似日样本集对所述预测模型进行训练,形成每个相似日样本集的发电量预测模型;
5)根据预测日的天气预报信息,采用模糊聚类分析法确定预测日对应相似日样本集,然后根据所对应相似日样本集的发电量预测模型,对预测日的发电量进行预测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013103011501A CN103390200A (zh) | 2013-07-18 | 2013-07-18 | 基于相似日的光伏电站发电输出功率预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013103011501A CN103390200A (zh) | 2013-07-18 | 2013-07-18 | 基于相似日的光伏电站发电输出功率预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103390200A true CN103390200A (zh) | 2013-11-13 |
Family
ID=49534465
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013103011501A Pending CN103390200A (zh) | 2013-07-18 | 2013-07-18 | 基于相似日的光伏电站发电输出功率预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103390200A (zh) |
Cited By (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103646354A (zh) * | 2013-11-28 | 2014-03-19 | 国家电网公司 | 基于有效指标fcm和rbf神经网络的变电站负荷特性分类方法 |
CN103679288A (zh) * | 2013-12-04 | 2014-03-26 | 华北电力大学 | 一种径流式小水电集群发电功率短期预测方法及预测系统 |
CN104299044A (zh) * | 2014-07-01 | 2015-01-21 | 沈阳工程学院 | 基于聚类分析的风功率短期预测系统及预测方法 |
CN104346659A (zh) * | 2014-11-26 | 2015-02-11 | 北京邮电大学 | 应用于高倍聚光光伏发电系统的短期发电量预测方法 |
CN104463356A (zh) * | 2014-11-27 | 2015-03-25 | 国网浙江省电力公司嘉兴供电公司 | 一种基于多维信息人工神经网络算法的光伏发电功率预测方法 |
CN104573879A (zh) * | 2015-01-30 | 2015-04-29 | 河海大学 | 基于最优相似日集的光伏电站出力预测方法 |
CN104616078A (zh) * | 2015-02-03 | 2015-05-13 | 河海大学 | 基于Spiking神经网络的光伏系统发电功率预测方法 |
CN104732296A (zh) * | 2015-04-01 | 2015-06-24 | 贵州电力试验研究院 | 一种分布式光伏输出功率短期预测模型建模方法 |
CN105069521A (zh) * | 2015-07-24 | 2015-11-18 | 许继集团有限公司 | 一种基于加权fcm聚类算法的光伏电站输出功率预测方法 |
CN105069519A (zh) * | 2015-07-16 | 2015-11-18 | 国网天津市电力公司 | 一种智能电网园区终端用户能源需求状况动态预测系统及方法 |
CN105303268A (zh) * | 2015-11-25 | 2016-02-03 | 国家电网公司 | 基于相似度理论的风力发电输出功率预测方法 |
CN105469163A (zh) * | 2015-12-08 | 2016-04-06 | 国家电网公司 | 一种用于光伏电站功率预测的相似日的选择方法 |
CN105574612A (zh) * | 2015-12-14 | 2016-05-11 | 安徽工程大学 | 一种基于数据挖掘的光伏发电量预测方法 |
CN105631545A (zh) * | 2015-12-25 | 2016-06-01 | 河海大学常州校区 | 基于相似日分析的光伏电站发电量预测方法及预测系统 |
CN105678766A (zh) * | 2016-01-06 | 2016-06-15 | 福州大学 | 一种基于局部邻域和全局信息的模糊c均值图像分割方法 |
CN106022538A (zh) * | 2016-05-31 | 2016-10-12 | 中国矿业大学 | 基于k均值聚类改进广义天气的光伏发电预测方法 |
CN106203743A (zh) * | 2016-07-15 | 2016-12-07 | 山东建筑大学 | 一种基于改进的ihcmac神经网络的光伏发电功率预测方法 |
CN106230378A (zh) * | 2016-07-20 | 2016-12-14 | 中国电力科学研究院 | 一种光伏电站组串故障的诊断方法 |
CN106251001A (zh) * | 2016-07-18 | 2016-12-21 | 南京工程学院 | 一种基于改进模糊聚类算法的光伏功率预测方法 |
CN106300422A (zh) * | 2016-09-07 | 2017-01-04 | 广东工业大学 | 一种分布式光伏发电系统日发电量的确定方法 |
CN106300423A (zh) * | 2016-09-07 | 2017-01-04 | 广东工业大学 | 基于三维梯形模糊确定光伏发电日发电量的方法及装置 |
CN106570594A (zh) * | 2016-11-11 | 2017-04-19 | 国网江西省电力公司电力科学研究院 | 一种基于tmbp的相似日光伏发电短期预测方法 |
CN106650784A (zh) * | 2016-11-04 | 2017-05-10 | 许继集团有限公司 | 一种基于特征聚类比较的光伏电站功率预测方法及装置 |
CN106897784A (zh) * | 2015-12-18 | 2017-06-27 | 中国电力科学研究院 | 一种基于在线建模的分布式光伏发电功率预测方法 |
CN107220723A (zh) * | 2017-04-20 | 2017-09-29 | 华北电力大学 | 一种光伏电站功率预测方法 |
CN107506949A (zh) * | 2017-10-10 | 2017-12-22 | 甘肃省电力公司风电技术中心 | 光伏数据聚类方法、光伏功率预测方法、存储介质和设备 |
CN107506867A (zh) * | 2017-08-31 | 2017-12-22 | 国网冀北电力有限公司廊坊供电公司 | 一种基于动态建模的光伏出力预测方法 |
CN107609697A (zh) * | 2017-09-06 | 2018-01-19 | 南京邮电大学 | 一种风力发电功率预测方法 |
CN109145997A (zh) * | 2018-09-04 | 2019-01-04 | 格尔木美满新能源科技有限公司 | 一种基于典型弃光场景的弃光电量预测方法及装置 |
CN109494792A (zh) * | 2018-11-21 | 2019-03-19 | 国网青海省电力公司 | 光伏电站弃光电量的确定方法及装置 |
CN109685257A (zh) * | 2018-12-13 | 2019-04-26 | 国网青海省电力公司 | 一种基于支持向量机回归的光伏发电功率预测方法 |
CN110348648A (zh) * | 2019-08-02 | 2019-10-18 | 国网电子商务有限公司 | 一种光伏电站功率预测方法及装置 |
CN110472770A (zh) * | 2019-07-05 | 2019-11-19 | 广东工业大学 | 一种光伏发电功率预测方法 |
CN111091139A (zh) * | 2019-11-18 | 2020-05-01 | 特变电工西安电气科技有限公司 | 相似日聚类的光伏预测方法、装置、设备及可读存储介质 |
CN111815039A (zh) * | 2020-06-28 | 2020-10-23 | 山东大学 | 基于天气分类的周尺度风电功率概率预测方法及系统 |
CN112766566A (zh) * | 2021-01-15 | 2021-05-07 | 佳源科技股份有限公司 | 一种基于fa-ffcm的站所终端负荷预测方法 |
CN113052386A (zh) * | 2021-03-29 | 2021-06-29 | 国网电子商务有限公司 | 基于随机森林算法的分布式光伏日发电量预测方法和装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930358A (zh) * | 2012-11-28 | 2013-02-13 | 江西九江供电公司 | 一种光伏电站发电功率的神经网络预测方法 |
CN103077300A (zh) * | 2012-12-20 | 2013-05-01 | 东南大学 | 一种基于二型模糊逻辑的分布式光伏电源发电量预测方法 |
-
2013
- 2013-07-18 CN CN2013103011501A patent/CN103390200A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930358A (zh) * | 2012-11-28 | 2013-02-13 | 江西九江供电公司 | 一种光伏电站发电功率的神经网络预测方法 |
CN103077300A (zh) * | 2012-12-20 | 2013-05-01 | 东南大学 | 一种基于二型模糊逻辑的分布式光伏电源发电量预测方法 |
Non-Patent Citations (2)
Title |
---|
唐明会: "模糊聚类有效性研究", 《中国优秀硕士学位论文集》, 1 May 2010 (2010-05-01) * |
方仍存: "电力系统负荷区间预测", 《中国博士学位论文集》, 8 June 2008 (2008-06-08) * |
Cited By (50)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103646354A (zh) * | 2013-11-28 | 2014-03-19 | 国家电网公司 | 基于有效指标fcm和rbf神经网络的变电站负荷特性分类方法 |
CN103679288A (zh) * | 2013-12-04 | 2014-03-26 | 华北电力大学 | 一种径流式小水电集群发电功率短期预测方法及预测系统 |
CN103679288B (zh) * | 2013-12-04 | 2017-04-12 | 华北电力大学 | 一种径流式小水电集群发电功率短期预测方法及预测系统 |
CN104299044A (zh) * | 2014-07-01 | 2015-01-21 | 沈阳工程学院 | 基于聚类分析的风功率短期预测系统及预测方法 |
CN104346659A (zh) * | 2014-11-26 | 2015-02-11 | 北京邮电大学 | 应用于高倍聚光光伏发电系统的短期发电量预测方法 |
CN104463356A (zh) * | 2014-11-27 | 2015-03-25 | 国网浙江省电力公司嘉兴供电公司 | 一种基于多维信息人工神经网络算法的光伏发电功率预测方法 |
CN104573879A (zh) * | 2015-01-30 | 2015-04-29 | 河海大学 | 基于最优相似日集的光伏电站出力预测方法 |
CN104573879B (zh) * | 2015-01-30 | 2017-07-25 | 河海大学 | 基于最优相似日集的光伏电站出力预测方法 |
CN104616078B (zh) * | 2015-02-03 | 2017-12-22 | 河海大学 | 基于Spiking神经网络的光伏系统发电功率预测方法 |
CN104616078A (zh) * | 2015-02-03 | 2015-05-13 | 河海大学 | 基于Spiking神经网络的光伏系统发电功率预测方法 |
CN104732296A (zh) * | 2015-04-01 | 2015-06-24 | 贵州电力试验研究院 | 一种分布式光伏输出功率短期预测模型建模方法 |
CN105069519A (zh) * | 2015-07-16 | 2015-11-18 | 国网天津市电力公司 | 一种智能电网园区终端用户能源需求状况动态预测系统及方法 |
CN105069521A (zh) * | 2015-07-24 | 2015-11-18 | 许继集团有限公司 | 一种基于加权fcm聚类算法的光伏电站输出功率预测方法 |
CN105303268A (zh) * | 2015-11-25 | 2016-02-03 | 国家电网公司 | 基于相似度理论的风力发电输出功率预测方法 |
CN105469163A (zh) * | 2015-12-08 | 2016-04-06 | 国家电网公司 | 一种用于光伏电站功率预测的相似日的选择方法 |
CN105574612A (zh) * | 2015-12-14 | 2016-05-11 | 安徽工程大学 | 一种基于数据挖掘的光伏发电量预测方法 |
CN106897784A (zh) * | 2015-12-18 | 2017-06-27 | 中国电力科学研究院 | 一种基于在线建模的分布式光伏发电功率预测方法 |
CN105631545A (zh) * | 2015-12-25 | 2016-06-01 | 河海大学常州校区 | 基于相似日分析的光伏电站发电量预测方法及预测系统 |
CN105678766A (zh) * | 2016-01-06 | 2016-06-15 | 福州大学 | 一种基于局部邻域和全局信息的模糊c均值图像分割方法 |
CN105678766B (zh) * | 2016-01-06 | 2019-01-22 | 福州大学 | 一种基于局部邻域和全局信息的模糊c均值图像分割方法 |
CN106022538A (zh) * | 2016-05-31 | 2016-10-12 | 中国矿业大学 | 基于k均值聚类改进广义天气的光伏发电预测方法 |
CN106203743A (zh) * | 2016-07-15 | 2016-12-07 | 山东建筑大学 | 一种基于改进的ihcmac神经网络的光伏发电功率预测方法 |
CN106251001A (zh) * | 2016-07-18 | 2016-12-21 | 南京工程学院 | 一种基于改进模糊聚类算法的光伏功率预测方法 |
CN106230378A (zh) * | 2016-07-20 | 2016-12-14 | 中国电力科学研究院 | 一种光伏电站组串故障的诊断方法 |
CN106230378B (zh) * | 2016-07-20 | 2020-04-24 | 中国电力科学研究院 | 一种光伏电站组串故障的诊断方法 |
CN106300423B (zh) * | 2016-09-07 | 2018-10-09 | 广东工业大学 | 基于三维梯形模糊确定光伏发电日发电量的方法及装置 |
CN106300423A (zh) * | 2016-09-07 | 2017-01-04 | 广东工业大学 | 基于三维梯形模糊确定光伏发电日发电量的方法及装置 |
CN106300422A (zh) * | 2016-09-07 | 2017-01-04 | 广东工业大学 | 一种分布式光伏发电系统日发电量的确定方法 |
CN106300422B (zh) * | 2016-09-07 | 2018-11-02 | 广东工业大学 | 一种分布式光伏发电系统日发电量的确定方法 |
CN106650784A (zh) * | 2016-11-04 | 2017-05-10 | 许继集团有限公司 | 一种基于特征聚类比较的光伏电站功率预测方法及装置 |
CN106570594A (zh) * | 2016-11-11 | 2017-04-19 | 国网江西省电力公司电力科学研究院 | 一种基于tmbp的相似日光伏发电短期预测方法 |
CN107220723A (zh) * | 2017-04-20 | 2017-09-29 | 华北电力大学 | 一种光伏电站功率预测方法 |
CN107506867A (zh) * | 2017-08-31 | 2017-12-22 | 国网冀北电力有限公司廊坊供电公司 | 一种基于动态建模的光伏出力预测方法 |
CN107506867B (zh) * | 2017-08-31 | 2021-09-21 | 国网冀北电力有限公司廊坊供电公司 | 一种基于动态建模的光伏出力预测方法 |
CN107609697B (zh) * | 2017-09-06 | 2018-11-09 | 南京邮电大学 | 一种风力发电功率预测方法 |
CN107609697A (zh) * | 2017-09-06 | 2018-01-19 | 南京邮电大学 | 一种风力发电功率预测方法 |
CN107506949A (zh) * | 2017-10-10 | 2017-12-22 | 甘肃省电力公司风电技术中心 | 光伏数据聚类方法、光伏功率预测方法、存储介质和设备 |
CN109145997A (zh) * | 2018-09-04 | 2019-01-04 | 格尔木美满新能源科技有限公司 | 一种基于典型弃光场景的弃光电量预测方法及装置 |
CN109145997B (zh) * | 2018-09-04 | 2022-03-11 | 格尔木美满新能源科技有限公司 | 一种基于典型弃光场景的弃光电量预测方法及装置 |
CN109494792A (zh) * | 2018-11-21 | 2019-03-19 | 国网青海省电力公司 | 光伏电站弃光电量的确定方法及装置 |
CN109494792B (zh) * | 2018-11-21 | 2022-05-13 | 国网青海省电力公司 | 光伏电站弃光电量的确定方法及装置 |
CN109685257A (zh) * | 2018-12-13 | 2019-04-26 | 国网青海省电力公司 | 一种基于支持向量机回归的光伏发电功率预测方法 |
CN110472770A (zh) * | 2019-07-05 | 2019-11-19 | 广东工业大学 | 一种光伏发电功率预测方法 |
CN110348648A (zh) * | 2019-08-02 | 2019-10-18 | 国网电子商务有限公司 | 一种光伏电站功率预测方法及装置 |
CN111091139A (zh) * | 2019-11-18 | 2020-05-01 | 特变电工西安电气科技有限公司 | 相似日聚类的光伏预测方法、装置、设备及可读存储介质 |
CN111091139B (zh) * | 2019-11-18 | 2024-04-19 | 特变电工西安电气科技有限公司 | 相似日聚类的光伏预测方法、装置、设备及可读存储介质 |
CN111815039A (zh) * | 2020-06-28 | 2020-10-23 | 山东大学 | 基于天气分类的周尺度风电功率概率预测方法及系统 |
CN112766566A (zh) * | 2021-01-15 | 2021-05-07 | 佳源科技股份有限公司 | 一种基于fa-ffcm的站所终端负荷预测方法 |
CN113052386A (zh) * | 2021-03-29 | 2021-06-29 | 国网电子商务有限公司 | 基于随机森林算法的分布式光伏日发电量预测方法和装置 |
CN113052386B (zh) * | 2021-03-29 | 2023-07-04 | 国网数字科技控股有限公司 | 基于随机森林算法的分布式光伏日发电量预测方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103390200A (zh) | 基于相似日的光伏电站发电输出功率预测方法 | |
Han et al. | A PV power interval forecasting based on seasonal model and nonparametric estimation algorithm | |
Liu et al. | Random forest solar power forecast based on classification optimization | |
CN102930358B (zh) | 一种光伏电站发电功率的神经网络预测方法 | |
Hong et al. | Hour-ahead wind power and speed forecasting using simultaneous perturbation stochastic approximation (SPSA) algorithm and neural network with fuzzy inputs | |
Tang et al. | Entropy method combined with extreme learning machine method for the short-term photovoltaic power generation forecasting | |
CN103390199A (zh) | 光伏发电量/发电功率预测装置 | |
CN105631558A (zh) | 基于相似日的bp神经网络光伏发电系统功率预测方法 | |
CN109858673A (zh) | 一种光伏发电系统功率预测方法 | |
CN103218673A (zh) | 基于bp神经网络的光伏发电短期出力预测方法 | |
CN104978611A (zh) | 一种基于灰色关联分析的神经网络光伏发电出力预测方法 | |
CN103400204B (zh) | 基于svm‑马尔科夫组合法的太阳能光伏发电量预测方法 | |
Alassery et al. | An artificial intelligence-based solar radiation prophesy model for green energy utilization in energy management system | |
CN105069521A (zh) | 一种基于加权fcm聚类算法的光伏电站输出功率预测方法 | |
CN105069519A (zh) | 一种智能电网园区终端用户能源需求状况动态预测系统及方法 | |
CN103646354A (zh) | 基于有效指标fcm和rbf神经网络的变电站负荷特性分类方法 | |
CN106022530A (zh) | 一种电力需求侧柔性负荷有功功率预测方法 | |
CN109978242A (zh) | 基于统计升尺度的光伏发电集群功率预测方法及装置 | |
CN103077300A (zh) | 一种基于二型模糊逻辑的分布式光伏电源发电量预测方法 | |
Chan et al. | Multiple classifier system for short term load forecast of microgrid | |
CN102147839A (zh) | 一种光伏发电量预测方法 | |
CN113554466A (zh) | 一种短期用电量预测模型构建方法、预测方法和装置 | |
Hu et al. | Short-term photovoltaic power prediction based on similar days and improved SOA-DBN model | |
Luo et al. | Short-term photovoltaic generation forecasting based on similar day selection and extreme learning machine | |
CN105678415A (zh) | 一种分布式电源配电网的净负荷预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20131113 |