【技术实现步骤摘要】
本专利技术涉及支持向量机等智能计算方法,具体涉及。
技术介绍
光伏电站发电功率往往波动较大,下一时刻的发电功率与前一时刻没有必然的相关性,这将不利于电网调度部门安排常规电源和光伏发电的协调配合。大规模光伏电站的接入,将对电能质量、电网安全产生重要的影响。光伏电站输出功率受光照强度和温度的影响,而自然环境中,太阳光照具有极大的不稳定性,使得光伏电站在一定时间段内的发电量会具有较大的波动性[1-3],这会非常不利于电网调度部门安排常规电源和光伏发电的协调配合。正如文献[1-6]所采用的基于智能计算模型的功率预测,可以无需知道具体的环境状况,通过人工神经网络、灰色建模、支持向量机等可以预测光伏电站的输出功率,也可以通过光照、温度以及风速等环境参数来预测光伏电站的输出功率。但神经网络往往需要较大量的训练样本,以获得好的精度和泛化能力,而对于小样本情况,其预测性能将大大降低,此外,神经网络的结构和参数也不易确定,现有训练算法常会导致其参数陷入局部极小,因此,神经网络在功率预测中具有较大的局限性。相比较而言,支持向量机却可以较好地用于解决小样本情况,只需有少量支持向量时,就可以确定支持向量机的参数,从而获得较好的预测性能,因此支持向量机比较适合于小样本的场合。支持向量机(Support Vector Machine,简称SVM)是近年发展起来的机器学习的新方法[7],综合考虑了经验风险和置信风险,较好的解决了小样本、非线性、高维数等问题,很好的克服了传统机器学习方法过学习以及容易陷入局部最小的问题,具有很强的泛化能力,同时由于它是一个凸二次优化算法,能够保证 ...
【技术保护点】
一种光伏电站发电功率预测的方法,其特征在于:采用加权支持向量机的对光伏电站的输出功率进行预测。
【技术特征摘要】
1.一种光伏电站发电功率预测的方法,其特征在于:采用加权支持向量机的对光伏电站的输出功率进行预测。2....
【专利技术属性】
技术研发人员:徐瑞东,孙晓燕,戴瀹,吴计伟,
申请(专利权)人:中国矿业大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。