典型文献
基于多特征分析和提取的短期光伏功率预测
文献摘要：
在对短期光伏发电功率预测时,多维数值天气预报(numerical weather prediction,NWP)数据中存在大量冗余和不相关特征,不仅影响预测的准确度,也会增加模型的复杂度,为此提出一种基于多特征分析和提取的短期光伏功率预测模型.通过K-means++聚类选取与预测日具有相似天气类型的历史数据作为训练样本,利用一阶差分具有滤波的特性对不稳定的特征数据进行处理,同时构造新特征;引入因子分析法,考虑特征与输出功率之间的相关性并提取有效特征,由远少于特征数的公共因子作为预测模型的输入数据;最后采用XGBoost对光伏功率进行预测.对某光伏电站仿真结果表明,提出的预测模型在晴天、晴转多云和阴雨天下的均方根误差分别为5.33％、6.13％和9.5％,在非晴天模式下的预测精度较传统方法可提升3％～10％.研究结果可为复杂天气下的光伏功率预测提供参考.
文献关键词：
光伏功率短期预测;K-means++聚类;特征差分;因子分析;XGBoost
中图分类号：
作者姓名：
闫钇汛;王丽婕;郭洪武;王勃;车建峰;郝颖
作者机构：
北京信息科技大学自动化学院,北京100192;国网内蒙古东部电力有限公司赤峰供电公司,赤峰024000;中国电力科学研究院有限公司,北京100192
文献出处：
引用格式：
[1]闫钇汛;王丽婕;郭洪武;王勃;车建峰;郝颖-.基于多特征分析和提取的短期光伏功率预测)[J].高电压技术,2022(09):3734-3743
A类：
晴转多云
B类：
多特征分析,短期光伏功率预测,光伏发电功率预测,数值天气预报,numerical,weather,prediction,NWP,不相关特征,影响预测,功率预测模型,means++,天气类型,历史数据,训练样本,一阶差分,特征数据,新特征,引入因子,因子分析法,输出功率,有效特征,公共因子,输入数据,XGBoost,光伏电站,晴天,云和,阴雨天,复杂天气,光伏功率短期预测,特征差分
AB值：
0.368009
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
