發(fā)布時(shí)間：2018-09-14 14:47

【摘要】：針對(duì)光伏發(fā)電可預(yù)測性低的問題,提出了一種綜合使用通徑分析(path analysis,PA)、k近鄰算法(k-Nearest Neighbor,KNN)、神經(jīng)網(wǎng)絡(luò)分位數(shù)回歸(quantile regression neural network,QRNN)和核密度估計(jì)(kernel density estimator,KDE)的光伏出力概率分布估計(jì)方法,構(gòu)造出未來1 d任意時(shí)刻的光伏出力概率密度函數(shù),可以得到比點(diǎn)預(yù)測和區(qū)間預(yù)測更多的有用信息。首先由通徑分析對(duì)氣象因素進(jìn)行約減,在降低模型輸入維數(shù)的基礎(chǔ)上減小變量間的耦合作用。然后通過K-means算法按天氣類型對(duì)歷史樣本進(jìn)行聚類,進(jìn)一步提高相似樣本的篩選效果。最后利用神經(jīng)網(wǎng)絡(luò)分位數(shù)回歸和核密度估計(jì)對(duì)光伏出力的概率分布進(jìn)行估計(jì)。實(shí)驗(yàn)結(jié)果表明,相比于核密度估計(jì)和傳統(tǒng)的正態(tài)分布估計(jì)方法,采用所提方法估計(jì)出的概率分布的可靠性和銳度更高。
[Abstract]:Aiming at the problem of low predictability of photovoltaic generation, this paper presents a method for estimating the probability distribution of photovoltaic force using path analysis (path analysis,PA) algorithm (k-Nearest Neighbor,KNN), neural network quantile regression (quantile regression neural network,QRNN) and kernel density estimation (kernel density estimator,KDE). The probabilistic density function of photovoltaic force at any time in the next 1 day can obtain more useful information than point prediction and interval prediction. Firstly, the meteorological factors are reduced by path analysis, and the coupling between variables is reduced on the basis of reducing the input dimension of the model. Then the K-means algorithm is used to cluster the historical samples according to the weather type to further improve the screening effect of similar samples. Finally, the probability distribution of photovoltaic force is estimated by neural network quantile regression and kernel density estimation. The experimental results show that the reliability and sharpness of the probability distribution estimated by the proposed method are higher than that of the kernel density estimation method and the traditional normal distribution estimation method.
【作者單位】： 天津大學(xué)電氣工程與自動(dòng)化學(xué)院;天津內(nèi)燃機(jī)研究所;
【基金】：國家自然科學(xué)基金項(xiàng)目(61374122)~~
【分類號(hào)】：TM615

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 呂彬;杜紅梅;陳慶華;;基于概率分布的風(fēng)險(xiǎn)評(píng)估方法研究[J];裝備指揮技術(shù)學(xué)院學(xué)報(bào);2006年04期

2 裴先登,梁伊珍;裝配變形對(duì)配合量概率分布的影響[J];華中理工大學(xué)學(xué)報(bào);1989年01期

3 王德進(jìn);漢語字、詞的概率分布和一階熵的研究[J];北京航空學(xué)院學(xué)報(bào);1988年04期

4 李小勇,白曉紅,謝康和;巖土參數(shù)概率分布統(tǒng)計(jì)意義上的優(yōu)化分析[J];巖土工程技術(shù);2000年03期

5 張金槐;離散目標(biāo)群毀傷數(shù)的概率分布——兼及火力運(yùn)用研究中的規(guī)劃論模型[J];國防科技大學(xué)學(xué)報(bào);1980年04期

6 潘曉春;;基于矩函數(shù)的風(fēng)速概率分布參數(shù)估計(jì)方法[J];現(xiàn)代電力;2007年05期

7 吳旭;張禮勇;;根據(jù)已知概率分布產(chǎn)生相應(yīng)數(shù)據(jù)的程序設(shè)計(jì)[J];哈爾濱理工大學(xué)學(xué)報(bào);2007年04期

8 翟忠和;陳福增;;波紋管剛度的概率分布[J];哈爾濱科學(xué)技術(shù)大學(xué)學(xué)報(bào);1990年02期

9 陳練;李棟梁;吳洪寶;;中國風(fēng)速概率分布及在風(fēng)能評(píng)估中的應(yīng)用[J];太陽能學(xué)報(bào);2010年09期

10 趙翔,黃卡瑪,陳星,閆麗萍;雷電電磁場峰值的概率分布[J];強(qiáng)激光與粒子束;2005年02期

相關(guān)會(huì)議論文 前4條

1 王晶;賈正源;李金超;;考慮概率分布的區(qū)間數(shù)綜合評(píng)價(jià)方法[A];2004年中國管理科學(xué)學(xué)術(shù)會(huì)議論文集[C];2004年

2 劉鵬;王偉勝;;風(fēng)速概率分布參數(shù)的矩估計(jì)解法[A];全國電工理論與新技術(shù)學(xué)術(shù)年會(huì)（CTEE'2001）論文集[C];2001年

3 谷可;田寶國;姜璐;;關(guān)于熵值與Pi關(guān)系的討論[A];Systems Engineering, Systems Science and Complexity Research--Proceeding of 11th Annual Conference of Systems Engineering Society of China[C];2000年

4 王培勛;;60日均線投資法收益率的概率分布及期望值變化特征[A];第十屆中國不確定系統(tǒng)年會(huì)、第十四屆中國青年信息與管理學(xué)者大會(huì)論文集[C];2012年

相關(guān)重要報(bào)紙文章 前2條

1 周飆;美國地震預(yù)警機(jī)制值得借鑒[N];21世紀(jì)經(jīng)濟(jì)報(bào)道;2008年

2 佘傳奇 湯益民;股指期貨風(fēng)險(xiǎn)的估測研究[N];期貨日報(bào);2007年

相關(guān)博士學(xué)位論文 前2條

1 邊巧燕;考慮概率分布不確定性的含風(fēng)電場電力系統(tǒng)規(guī)劃與運(yùn)行問題研究[D];浙江大學(xué);2015年

2 李玉敦;計(jì)及相關(guān)性的風(fēng)速模型及其在發(fā)電系統(tǒng)可靠性評(píng)估中的應(yīng)用[D];重慶大學(xué);2012年

相關(guān)碩士學(xué)位論文 前4條

1 梁義;概率分布和可能性分布的比較研究[D];河北大學(xué);2010年

2 全利紅;大氣邊界層湍流的概率分布研究[D];中國科學(xué)院研究生院（大氣物理研究所）;2005年

3 陳曦;中國股市高頻截面數(shù)據(jù)的概率分布及其時(shí)間相關(guān)性研究[D];華東理工大學(xué);2011年

4 易春燕;風(fēng)速與風(fēng)電功率預(yù)測相關(guān)問題研究[D];華中科技大學(xué);2013年

，

本文編號(hào)：2243019