基于数据挖掘的光伏阵列发电预测方法研究  

PV POWER GENERATION FORECAST BASED ON DATA MINING METHOD

作　　者：程泽[1] 李思宇[1] 韩丽洁[1] 蒋春晓[1] 

机构地区：[1]天津大学电气与自动化工程学院,天津300072

出　　处：《太阳能学报》2017年第3期726-733,共8页Acta Energiae Solaris Sinica

基　　金：国家自然科学基金(61374122);国家重点基础研究发展(973)计划(2009CB219700);天津市自然科学基金(13JCZDJC27000);天津市太阳能光电建筑应用示范(2011E1-002)

摘　　要：提出一种综合使用前向选择(forward selection,FS)和K-means聚类以及径向基函数(radical basis function,RBF)神经网络的光伏发电功率预测方法。模型以每小时的气象因素作为输入量,首先采用前向选择法对原始多维输入量进行约减,在降低维数的基础上减小各个变量间的耦合现象。再通过K-means聚类方法对样本进行聚类,继而对各类数据建立不同的RBF预测模型,避免单神经网络的过拟合问题。实验结果表明,相比于传统的神经网络预测模型,该文使用的模型输入变量更少,预测精度更高。This paper presented a method based on forward selection （FS）, K-means clustering and RBF neural network to predict the PV output power. Firstly, using forward selection method to reduce input factors （hourly meteorological factors）, so that the coupling phenomenon between variables can be reduced. Then using K-means method to clustering the samples and establish different RBF forecasting models to avoid over fitting problem in single neural network. The simulation results showed that the prediction method using forward selection, K-means and RBF has better prediction accuracy and less input factors than general neural network prediction model.

关 键 词：数据挖掘 光伏发电预测 前向选择(FS) K-MEANS聚类 RBF神经网络 

分 类 号：TM615[电气工程—电力系统及自动化]