基于數(shù)據(jù)挖掘的光伏發(fā)電預測

1、基于數(shù)據(jù)挖掘的光伏發(fā)電預測基于數(shù)據(jù)挖掘的光伏發(fā)電預測太陽能發(fā)電能夠有效緩解全球能源緊缺問題和傳統(tǒng)能源發(fā)電帶來的環(huán)境問題[1]。太陽能發(fā)電中涉及光伏發(fā)電量預測，尤其是短期預測，對光伏電站運維具有重要意義。高精確度的發(fā)電量預測，能夠有效避開光伏電站發(fā)電高峰期，進行電站的運維、清洗、檢修等工作，同時還能作為故障診斷的輔助手段。本文擬建立一套光伏電站發(fā)電量預測模型，旨在預測5分鐘超短期光伏發(fā)電量。預測一個光伏電站的發(fā)電量，可以幫助光伏業(yè)主避開發(fā)

2、電高產(chǎn)時段，選擇在發(fā)電量較低的時段進行光伏電站維護和清洗，減少發(fā)電經(jīng)濟效益的損失。目前已經(jīng)運用到光伏發(fā)電量預測中的方法有線性回歸[2]、神經(jīng)網(wǎng)絡[3]、支持向量機[4]等。聞科偉等[5]利用氣象部門提供的預報數(shù)據(jù)和小型光伏電站的歷史數(shù)據(jù)建立氣象相似度與發(fā)電量相似度的過渡函數(shù)，分別通過分析三狀態(tài)馬爾科夫鏈和五狀態(tài)馬爾科夫鏈對預測結(jié)果進行修正。利用神經(jīng)網(wǎng)絡方法進行光伏發(fā)電預測方法。仿真結(jié)果具有較高的預測精度、實用性和良好的預測跟蹤性能。盧冬

3、冬等[6]利用光伏發(fā)電系統(tǒng)歷史發(fā)電數(shù)據(jù)、太陽輻照度數(shù)據(jù)和氣象數(shù)據(jù)建立了多元多項式回歸模型，對相同天氣類型下的輻照度進行算術平均并代入多元多項式回歸模型，從而得到各種天氣類型下的只以溫度為輸入變量的預測模型。通過平均絕對百分比誤差對模型進行評估，該預測模型的精度較高，具有一定的可靠性。李洪珠等[7]數(shù)。分別表示為：基于高斯柯西變異算子的量子粒子群（GCQPSO）優(yōu)化最小二乘支持向量機的具體步驟如下：⑴初始化粒子群，隨機產(chǎn)生每個粒子的位置；

4、⑵計算每個粒子的適應度值f（Xi），如果小于個體最優(yōu)位置的適應度值f（Pi），則更新個體最優(yōu)位置為Pi=Xi；⑶更新全局最優(yōu)位置，若個體最優(yōu)位置適應度值低于全局最優(yōu)位置，則更新gBeat=pBeat；⑷計算平均最優(yōu)位置mBest；⑸對gBest和mBest進行高斯柯西算子變異；⑹更新每個粒子的位置；⑺判斷是否滿足停止條件。其中，適應度函數(shù)設為均方根誤差公式：⑼3實驗設計3.1數(shù)據(jù)集獲取及特征的選取本實驗的數(shù)據(jù)集為電站真實數(shù)據(jù)。樣本來源于