光伏电站的发电功率因受不同客观环境因素的影响,其变化规律很难有迹可循,因此对光伏出力进行准确预测是实现光能大规模开发及利用的重要手段。研究将温度以及历史发电功率数据作为输入变量,提出了一种将模糊聚类(Fuzzy C-means)分析法...光伏电站的发电功率因受不同客观环境因素的影响,其变化规律很难有迹可循,因此对光伏出力进行准确预测是实现光能大规模开发及利用的重要手段。研究将温度以及历史发电功率数据作为输入变量,提出了一种将模糊聚类(Fuzzy C-means)分析法与回声状态网络(Echo State Network)算法相结合的模型对样本进行训练和预测,并利用自适应全局和声搜索(Adaptive Global Harmony Search,AGHS)算法优化此模型,最后通过AGHS-FCM-ESN模型与传统的FCM-ESN模型进行预测误差比对,证明此模型可有效提高传统FCM-ESN模型的预测精度,并具有一定的实用性,可确保电网安全稳定地运行。展开更多
文摘光伏电站的发电功率因受不同客观环境因素的影响,其变化规律很难有迹可循,因此对光伏出力进行准确预测是实现光能大规模开发及利用的重要手段。研究将温度以及历史发电功率数据作为输入变量,提出了一种将模糊聚类(Fuzzy C-means)分析法与回声状态网络(Echo State Network)算法相结合的模型对样本进行训练和预测,并利用自适应全局和声搜索(Adaptive Global Harmony Search,AGHS)算法优化此模型,最后通过AGHS-FCM-ESN模型与传统的FCM-ESN模型进行预测误差比对,证明此模型可有效提高传统FCM-ESN模型的预测精度,并具有一定的实用性,可确保电网安全稳定地运行。
