文档名：基于SARIMAXSVR的光伏发电功率预测
摘要：为提高光伏发电功率预测精度,提出一种基于外生因素及季节性的差分自回归移动平均SARIMAX(sea-sonalautoregressiveintegratedmovingaveragewithexogenousfactors)并结合优化支持向量回归SVR(supportvectorregression)的光伏发电功率预测方法.首先,采用相关性特征法聚类气象条件中关键气象因子,以消除数据冗余并降低ARIMAX模型的复杂性;其次,在ARIMAX模型中引入季节性因素,构建SARIMAX模型来捕捉数据的季节性变化;最后,使用SARIMAX模型的拟合残差其作为SVR模型的输入,进一步拟合数据的非线性.通过仿真算例分析表明,所提方法可显著提高光伏发电功率预测精度.
Abstract：Toimprovethepredictionaccuracyofphotovoltaic(PV)powergeneration,apredictionmethodforPVpow-ergenerationbasedonseasonalautoregressiveintegratedmovingaveragewithexogenousfactors(SARIMAX)com-binedwithoptimizedsupportvectorregression(SVR)isproposedinthispaper.First,thecorrelationfeaturemethodisusedtoclusterthekeymeteorologicalfactorsinmeteorologicalconditions,therebyeliminatingthedataredundancyandreducingthecomplexityintheautoregressiveintegratedmovingaveragewithexogenousfactors(ARIMAX)model.Sec-ond,aseasonalfactorisintroducedintotheARIMAXmodel,andaSARIMAXmodelisconstructedtocaptureseason-alchangesinthedata.Finally,thefittingresidualoftheSARIMAXmodelisusedasinputtotheSVRmodeltofurtherfitthenonlinearityofthedata.Theanalysisofsimulationexamplesshowsthattheproposedmethodcansignificantlyim-provethepredictionaccuracyofPVpowergeneration.
作者：周鑫 李燕 曾永辉 石鹏程Author：ZHOUXin LIYan ZENGYonghui SHIPengcheng
作者单位：湖南科技大学信息与电气工程学院,湘潭411201
刊名：电力系统及其自动化学报 ISTICPKU
Journal：ProceedingsoftheCSU-EPSA
年，卷(期)：2024, 36(5)
分类号：TM615
关键词：光伏发电 功率预测 差分自回归移动平均 季节性因子 支持向量回归
Keywords：photovoltaic(PV)powergeneration powerforecasting autoregressiveintegratedmovingaverage(ARI-MA) seasonalfactor supportvectorregression(SVR)
机标分类号：TP391F830.9O212
在线出版日期：2024年6月6日
基金项目：湖南省自然科学基金资助项目基于SARIMAX-SVR的光伏发电功率预测[
期刊论文] 电力系统及其自动化学报--2024, 36(5)周鑫 李燕 曾永辉 石鹏程为提高光伏发电功率预测精度,提出一种基于外生因素及季节性的差分自回归移动平均SARIMAX(sea-sonalautoregressiveintegratedmovingaveragewithexogenousfactors)并结合优化支持向量回归SVR(supportvectorreg...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于SARIMAX-SVR的光伏发电功率预测 Forecasting of Photovoltaic Power Generation Based on SARIMAX-SVR
基于SARIMAX-SVR的光伏发电功率预测.pdf
- 文件大小:
- 1.72 MB
- 下载次数:
- 60
-
高速下载
|
|
