论文部分内容阅读
短期光伏发电功率预测对电网调度计划的安排和优化具有重要意义.机器学习类算法的飞速进步有利于提高光伏发电功率的预测精度.文章提出了一种基于数据清洗与组合学习的光伏发电功率预测方法.考虑到变电站实际运行时,在通信与传输过程中会出现数据遗漏的状况,在数据输入模型前,采用KNN算法对缺失数据进行补全;然后,将极限学习机、Adaboost模型和神经网络模型的预测结果进行动态组合,并通过Lasso算法在一定周期内对权值进行更新,获得最终预测结果;最后,利用北京大兴区的实际光伏发电数据来验证文章所提出的预测算法的准确性.模拟结果表明,在晴天和阴雨天条件下,组合学习模型预测结果均比较准确.