基于模糊支持向量机的光伏发电量预测

English

您当前的位置：

首页 >

文章列表页 >

基于模糊支持向量机的光伏发电量预测

热力发电 2016年第12期

发电技术论坛 | 更新时间：2025-09-28

- 基于模糊支持向量机的光伏发电量预测
- Photovoltaic power prediction based on fuzzy support vector machine
- 作者机构：
  
  桂林理工大学广西建筑新能源与节能重点实验室,广西,桂林,541004
- 作者简介：
- 基金信息：
- DOI：
  中图分类号： TM615
- 网络出版：2016-12-27，
  
  纸质出版：2016
- 稿件说明：
移动端阅览
张玉, 莫寒, 张烈平. 基于模糊支持向量机的光伏发电量预测[J]. 热力发电, 2016,(12).

ZHANG Yu, MO Han, ZHANG Lieping. Photovoltaic power prediction based on fuzzy support vector machine[J]. Thermal Power Generation, 2016, (12).
张玉, 莫寒, 张烈平. 基于模糊支持向量机的光伏发电量预测[J]. 热力发电, 2016,(12). DOI：

ZHANG Yu, MO Han, ZHANG Lieping. Photovoltaic power prediction based on fuzzy support vector machine[J]. Thermal Power Generation, 2016, (12). DOI：

受到光照强度、温度、湿度和风速等气象因素的影响

光伏发电系统出力具有波动性、间接性和不可控性等特点

光伏发电量预测精度较低。对此

本文采用模糊理论结合支持向量机的方法预测光伏发电量。首先通过模糊C均值聚类算法计算模糊隶属度

然后对原始样本进行聚类

生成模糊样本

再采用支持向量机对模糊样本进行训练

最后利用预测模型预测未来几天的光伏发电量。MATLAB仿真实验预测显示:相对于经典的BP神经网络模型和支持向量机模型

模糊支持向量机预测模型更稳定且预测结果误差更小；该模型克服了传统光伏预测方法中存在的极易陷入极小值以及不确定气象因素影响等缺陷

提高了系统预测精度。

浏览量

374

下载量

CSCD

文章被引用时，请邮件提醒。

提交

关联资源

基于聚类算法与贝叶斯优化的BP神经网络实时碳排放量预测模型

基于自适应神经模糊推理系统的煤粉锅炉飞灰含碳量建模

基于偏最小二乘支持向量机的烟气湿法脱硫效率预测模型

基于数据拟合的汽轮机调节阀流量特性优化

基于在线自适应的鲁棒最小二乘支持向量机及其应用