基于粒子群-稀疏贝叶斯混合算法的光伏功率预测方法  

A PHOTOVOLTAIC POWER FORECASTING MODEL USING SPARSE BAYESIAN REGRESSION OPTIMIZED BY PARTICLE SWARM ALGORITHM

作　　者：李元诚[1] 白恺[2] 曲洪达 李智[2] 宗瑾[2] 刘汉民 

机构地区：[1]华北电力大学控制与计算机工程学院,北京102206 [2]华北电力科学研究院有限责任公司,北京100045 [3]国网新源张家口风光储示范电站有限责任公司,张家口0750003

出　　处：《太阳能学报》2016年第5期1153-1159,共7页Acta Energiae Solaris Sinica

基　　金：国家科技支撑计划(2011BAA07B04)

摘　　要：提出一种包含天气预报信息的了粒子群-稀疏贝叶斯混合算法的发电预测理论,结合历史发电量数据和气象因素分析影响光伏发电量的主要因素,采用基于辐照度、光伏发电量及环境温度等建立的预测模型。最后用国网风光储示范工程的数据进行测试,预测结果证明了方法的有效性。This paper proposes a Spares Bayesian regression optimized by particle swarm algorithm which contains the weather forecast information, combined with the history output data and meteorological factors, and the model is established based on the irradiance, photovoltaic power generation and environmental temperature. The prediction results proved the effectiveness of the proposed method after the test with data from new energy demonstration project of State Grid.

关 键 词：并网光伏电站 功率预测 稀疏贝叶斯算法 粒子群优化算法 机器学习 

分 类 号：TK513.5[动力工程及工程热物理—热能工程]