典型文献
考虑多气象因子累积影响的光伏发电功率预测
文献摘要：
针对当前主流的光伏发电功率预测方法中,深度学习算法训练耗时长、传统机器学习算法精度有待提升的问题,提出考虑多气象因子累积影响的光伏发电功率预测方法.首先,采用相关系数法筛选关联气象因子,并使用余弦距离的K-means++算法将训练集高效划分为K个类簇;在第1路预测中,使用关联气象因子构造二维气象矩阵,然后输入到柯西变异优化的特征金字塔网络(feature pyramid networks,FPN)模型,挖掘相关气象因子对光伏发电功率的累积影响;在第2路预测中,使用轻量梯度提升机(light gradient boosting machine,LightGBM)算法实现光伏发电功率的即时预测;借鉴集成学习的思想,将上述2组预测结果加权求和,得到最终的光伏发电功率预测结果.在关联因子筛选、聚类效果对比实验部分,取0.3为相关系数阈值,验证聚类个数取4为最优;在光伏出力预测算法对比实验部分,分别基于平均相对误差、均方根误差,计算所提算法的预测精度为88.12％、82.03％,均高于其他各项参照算法,从而证明了所提算法的可行性.
文献关键词：
光伏发电功率预测;多气象因子累积影响;集成学习;K-means++;二维气象矩阵;柯西变异;特征金字塔网络;轻量梯度提升机
中图分类号：
作者姓名：
邱桂华;何引生;邱楠海;钱美伊
作者机构：
南方电网广东佛山供电局 广东 佛山 528000;烟台海颐软件股份有限公司,山东 烟台 264000
文献出处：
引用格式：
[1]邱桂华;何引生;邱楠海;钱美伊-.考虑多气象因子累积影响的光伏发电功率预测)[J].广东电力,2022(10):20-28
A类：
多气象因子累积影响,二维气象矩阵
B类：
光伏发电功率预测,深度学习算法,算法训练,机器学习算法,相关系数法,选关,余弦距离,means++,训练集,柯西变异,特征金字塔网络,feature,pyramid,networks,FPN,轻量梯度提升机,light,gradient,boosting,machine,LightGBM,算法实现,即时预测,集成学习,加权求和,因子筛选,效果对比,聚类个数,光伏出力预测,预测算法,算法对比,平均相对误差,计算所,照算
AB值：
0.218237
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。
