基于小波去噪-KPCA神经网络的光伏功率预测方法

基于小波去噪-KPCA神经网络的光伏功率预测方法
为了提高光伏发电功率的预测精度，提出了一种基于小波去噪/聚类/核主成分分析(KPCA)神经网络的光伏发电功率预测方法。首先，应用二维小波阈值去噪法预处理光伏出力数据；然后，应用k-means算法将预测模型分为4种不同模式下的子预测模型；引入KPCA对输入空间降维重构，利用粒子群优化(PSO)神经网络算法建立基于聚类/KPCA/神经网络的光伏发电功率预测模型。采用某光伏电站的实例数据进行预测分析，结果表明该模型实现了不同模式下的光伏出力较为精准的预测，显示出良好的预测性能，验证了预测模型的可行性和有效性。

标题：
基于小波去噪-KPCA神经网络的光伏功率预测方法
Forecasting method of photovoltaic output power based on wavelet denoising/KPCA/PSOBP

作者：
孙新程，万玥，丁宏，葛晨阳，史文斌
SUN Xincheng, WAN Yue, DING Hong, GE Chenyang, SHI Wenbin

关键词：
小波去噪;核主成分分析;粒子群算法;神经网络;光伏发电预测
wavelet denoising;kernel principal component analysis;particle swarm optimization;neural network;pho-to-vol-taic forecast

2025-1-23 20:08 上传 基于小波去噪-KPCA神经网络的光伏功率预测方法.pdf

文件大小:

1.51 MB

下载次数:

60

高速下载