Day-Ahead Photovoltaic Power Forecasting Based on Particle Swarm Optimization and Least Squares Supp
作者：佚名 发布时间：2024-06-10 06:11:43 浏览：次
[返回]2020年光伏及风电产业前景预测与展望
1
2020
... 随着可再生能源的开发利用和相关技术的发展，能源系统的组成结构已由传统的化石能源为主向可再生能源和化石能源共存转变[1 ].作为可再生能源的一种，光伏发电近年来得到了大规模的开发利用.由于气候原因，光伏发电系统不可避免地具有随机性、波动性和不确定性，大容量光伏发电系统并网，给电网安全稳定运行带来了较大挑战[2 ,3 ,4 ,5 ].因此，准确预测光伏发电功率，促进电网对光伏功率的消纳，已经成为光伏发电领域亟待解决的问题[6 ]. ...
2020年光伏及风电产业前景预测与展望
1
2020
... 随着可再生能源的开发利用和相关技术的发展，能源系统的组成结构已由传统的化石能源为主向可再生能源和化石能源共存转变[1 ].作为可再生能源的一种，光伏发电近年来得到了大规模的开发利用.由于气候原因，光伏发电系统不可避免地具有随机性、波动性和不确定性，大容量光伏发电系统并网，给电网安全稳定运行带来了较大挑战[2 ,3 ,4 ,5 ].因此，准确预测光伏发电功率，促进电网对光伏功率的消纳，已经成为光伏发电领域亟待解决的问题[6 ]. ...
含短期预测的光伏配电网智能调压策略
2
2020
... 随着可再生能源的开发利用和相关技术的发展，能源系统的组成结构已由传统的化石能源为主向可再生能源和化石能源共存转变[1 ].作为可再生能源的一种，光伏发电近年来得到了大规模的开发利用.由于气候原因，光伏发电系统不可避免地具有随机性、波动性和不确定性，大容量光伏发电系统并网，给电网安全稳定运行带来了较大挑战[2 ,3 ,4 ,5 ].因此，准确预测光伏发电功率，促进电网对光伏功率的消纳，已经成为光伏发电领域亟待解决的问题[6 ]. ...
... 随着统计学和人工智能技术的进步，相继提出了多种类型的光伏功率预测方法.按照预测时间尺度的不同，可以将光伏功率预测方法分为：中长期预测、短期预测和超短期预测[7 ].中长期预测主要用于光伏电站建成后的年发电量评估，以及制定光伏电站的中长期检修计划[8 ].短期预测主要用于电网调度，提高供电质量，促进光伏发电竞价上网[2 ,9 ].超短期预测通常用于电网实时调度和光伏发电设备控制[10 ]. ...
含短期预测的光伏配电网智能调压策略
2
2020
... 随着可再生能源的开发利用和相关技术的发展，能源系统的组成结构已由传统的化石能源为主向可再生能源和化石能源共存转变[1 ].作为可再生能源的一种，光伏发电近年来得到了大规模的开发利用.由于气候原因，光伏发电系统不可避免地具有随机性、波动性和不确定性，大容量光伏发电系统并网，给电网安全稳定运行带来了较大挑战[2 ,3 ,4 ,5 ].因此，准确预测光伏发电功率，促进电网对光伏功率的消纳，已经成为光伏发电领域亟待解决的问题[6 ]. ...
... 随着统计学和人工智能技术的进步，相继提出了多种类型的光伏功率预测方法.按照预测时间尺度的不同，可以将光伏功率预测方法分为：中长期预测、短期预测和超短期预测[7 ].中长期预测主要用于光伏电站建成后的年发电量评估，以及制定光伏电站的中长期检修计划[8 ].短期预测主要用于电网调度，提高供电质量，促进光伏发电竞价上网[2 ,9 ].超短期预测通常用于电网实时调度和光伏发电设备控制[10 ]. ...
光伏发电系统发电功率预测
1
2020
... 随着可再生能源的开发利用和相关技术的发展，能源系统的组成结构已由传统的化石能源为主向可再生能源和化石能源共存转变[1 ].作为可再生能源的一种，光伏发电近年来得到了大规模的开发利用.由于气候原因，光伏发电系统不可避免地具有随机性、波动性和不确定性，大容量光伏发电系统并网，给电网安全稳定运行带来了较大挑战[2 ,3 ,4 ,5 ].因此，准确预测光伏发电功率，促进电网对光伏功率的消纳，已经成为光伏发电领域亟待解决的问题[6 ]. ...
光伏发电系统发电功率预测
1
2020
... 随着可再生能源的开发利用和相关技术的发展，能源系统的组成结构已由传统的化石能源为主向可再生能源和化石能源共存转变[1 ].作为可再生能源的一种，光伏发电近年来得到了大规模的开发利用.由于气候原因，光伏发电系统不可避免地具有随机性、波动性和不确定性，大容量光伏发电系统并网，给电网安全稳定运行带来了较大挑战[2 ,3 ,4 ,5 ].因此，准确预测光伏发电功率，促进电网对光伏功率的消纳，已经成为光伏发电领域亟待解决的问题[6 ]. ...
考虑功率偏差的工业园区光伏与储能联合优化
1
2019
... 随着可再生能源的开发利用和相关技术的发展，能源系统的组成结构已由传统的化石能源为主向可再生能源和化石能源共存转变[1 ].作为可再生能源的一种，光伏发电近年来得到了大规模的开发利用.由于气候原因，光伏发电系统不可避免地具有随机性、波动性和不确定性，大容量光伏发电系统并网，给电网安全稳定运行带来了较大挑战[2 ,3 ,4 ,5 ].因此，准确预测光伏发电功率，促进电网对光伏功率的消纳，已经成为光伏发电领域亟待解决的问题[6 ]. ...
考虑功率偏差的工业园区光伏与储能联合优化
1
2019
... 随着可再生能源的开发利用和相关技术的发展，能源系统的组成结构已由传统的化石能源为主向可再生能源和化石能源共存转变[1 ].作为可再生能源的一种，光伏发电近年来得到了大规模的开发利用.由于气候原因，光伏发电系统不可避免地具有随机性、波动性和不确定性，大容量光伏发电系统并网，给电网安全稳定运行带来了较大挑战[2 ,3 ,4 ,5 ].因此，准确预测光伏发电功率，促进电网对光伏功率的消纳，已经成为光伏发电领域亟待解决的问题[6 ]. ...
基于多源数据时点匹配的发电功率数据融合方法
1
2019
... 随着可再生能源的开发利用和相关技术的发展，能源系统的组成结构已由传统的化石能源为主向可再生能源和化石能源共存转变[1 ].作为可再生能源的一种，光伏发电近年来得到了大规模的开发利用.由于气候原因，光伏发电系统不可避免地具有随机性、波动性和不确定性，大容量光伏发电系统并网，给电网安全稳定运行带来了较大挑战[2 ,3 ,4 ,5 ].因此，准确预测光伏发电功率，促进电网对光伏功率的消纳，已经成为光伏发电领域亟待解决的问题[6 ]. ...
基于多源数据时点匹配的发电功率数据融合方法
1
2019
... 随着可再生能源的开发利用和相关技术的发展，能源系统的组成结构已由传统的化石能源为主向可再生能源和化石能源共存转变[1 ].作为可再生能源的一种，光伏发电近年来得到了大规模的开发利用.由于气候原因，光伏发电系统不可避免地具有随机性、波动性和不确定性，大容量光伏发电系统并网，给电网安全稳定运行带来了较大挑战[2 ,3 ,4 ,5 ].因此，准确预测光伏发电功率，促进电网对光伏功率的消纳，已经成为光伏发电领域亟待解决的问题[6 ]. ...
基于相似日和分位数回归森林的光伏发电功率概率密度预测
1
2019
... 随着可再生能源的开发利用和相关技术的发展，能源系统的组成结构已由传统的化石能源为主向可再生能源和化石能源共存转变[1 ].作为可再生能源的一种，光伏发电近年来得到了大规模的开发利用.由于气候原因，光伏发电系统不可避免地具有随机性、波动性和不确定性，大容量光伏发电系统并网，给电网安全稳定运行带来了较大挑战[2 ,3 ,4 ,5 ].因此，准确预测光伏发电功率，促进电网对光伏功率的消纳，已经成为光伏发电领域亟待解决的问题[6 ]. ...
基于相似日和分位数回归森林的光伏发电功率概率密度预测
1
2019
... 随着可再生能源的开发利用和相关技术的发展，能源系统的组成结构已由传统的化石能源为主向可再生能源和化石能源共存转变[1 ].作为可再生能源的一种，光伏发电近年来得到了大规模的开发利用.由于气候原因，光伏发电系统不可避免地具有随机性、波动性和不确定性，大容量光伏发电系统并网，给电网安全稳定运行带来了较大挑战[2 ,3 ,4 ,5 ].因此，准确预测光伏发电功率，促进电网对光伏功率的消纳，已经成为光伏发电领域亟待解决的问题[6 ]. ...
光伏功率预测技术
1
2016
... 随着统计学和人工智能技术的进步，相继提出了多种类型的光伏功率预测方法.按照预测时间尺度的不同，可以将光伏功率预测方法分为：中长期预测、短期预测和超短期预测[7 ].中长期预测主要用于光伏电站建成后的年发电量评估，以及制定光伏电站的中长期检修计划[8 ].短期预测主要用于电网调度，提高供电质量，促进光伏发电竞价上网[2 ,9 ].超短期预测通常用于电网实时调度和光伏发电设备控制[10 ]. ...
光伏功率预测技术
1
2016
... 随着统计学和人工智能技术的进步，相继提出了多种类型的光伏功率预测方法.按照预测时间尺度的不同，可以将光伏功率预测方法分为：中长期预测、短期预测和超短期预测[7 ].中长期预测主要用于光伏电站建成后的年发电量评估，以及制定光伏电站的中长期检修计划[8 ].短期预测主要用于电网调度，提高供电质量，促进光伏发电竞价上网[2 ,9 ].超短期预测通常用于电网实时调度和光伏发电设备控制[10 ]. ...
基于中长期风电光伏预测的多能源电力系统合约电量分解模型
1
2019
... 随着统计学和人工智能技术的进步，相继提出了多种类型的光伏功率预测方法.按照预测时间尺度的不同，可以将光伏功率预测方法分为：中长期预测、短期预测和超短期预测[7 ].中长期预测主要用于光伏电站建成后的年发电量评估，以及制定光伏电站的中长期检修计划[8 ].短期预测主要用于电网调度，提高供电质量，促进光伏发电竞价上网[2 ,9 ].超短期预测通常用于电网实时调度和光伏发电设备控制[10 ]. ...
基于中长期风电光伏预测的多能源电力系统合约电量分解模型
1
2019
... 随着统计学和人工智能技术的进步，相继提出了多种类型的光伏功率预测方法.按照预测时间尺度的不同，可以将光伏功率预测方法分为：中长期预测、短期预测和超短期预测[7 ].中长期预测主要用于光伏电站建成后的年发电量评估，以及制定光伏电站的中长期检修计划[8 ].短期预测主要用于电网调度，提高供电质量，促进光伏发电竞价上网[2 ,9 ].超短期预测通常用于电网实时调度和光伏发电设备控制[10 ]. ...
基于数值天气预报的光伏功率短期预测分类组合算法
1
2019
... 随着统计学和人工智能技术的进步，相继提出了多种类型的光伏功率预测方法.按照预测时间尺度的不同，可以将光伏功率预测方法分为：中长期预测、短期预测和超短期预测[7 ].中长期预测主要用于光伏电站建成后的年发电量评估，以及制定光伏电站的中长期检修计划[8 ].短期预测主要用于电网调度，提高供电质量，促进光伏发电竞价上网[2 ,9 ].超短期预测通常用于电网实时调度和光伏发电设备控制[10 ]. ...
基于数值天气预报的光伏功率短期预测分类组合算法
1
2019
... 随着统计学和人工智能技术的进步，相继提出了多种类型的光伏功率预测方法.按照预测时间尺度的不同，可以将光伏功率预测方法分为：中长期预测、短期预测和超短期预测[7 ].中长期预测主要用于光伏电站建成后的年发电量评估，以及制定光伏电站的中长期检修计划[8 ].短期预测主要用于电网调度，提高供电质量，促进光伏发电竞价上网[2 ,9 ].超短期预测通常用于电网实时调度和光伏发电设备控制[10 ]. ...
面向滚动优化调度的光伏发电功率日内超短期预测
1
2020
... 随着统计学和人工智能技术的进步，相继提出了多种类型的光伏功率预测方法.按照预测时间尺度的不同，可以将光伏功率预测方法分为：中长期预测、短期预测和超短期预测[7 ].中长期预测主要用于光伏电站建成后的年发电量评估，以及制定光伏电站的中长期检修计划[8 ].短期预测主要用于电网调度，提高供电质量，促进光伏发电竞价上网[2 ,9 ].超短期预测通常用于电网实时调度和光伏发电设备控制[10 ]. ...
面向滚动优化调度的光伏发电功率日内超短期预测
1
2020
... 随着统计学和人工智能技术的进步，相继提出了多种类型的光伏功率预测方法.按照预测时间尺度的不同，可以将光伏功率预测方法分为：中长期预测、短期预测和超短期预测[7 ].中长期预测主要用于光伏电站建成后的年发电量评估，以及制定光伏电站的中长期检修计划[8 ].短期预测主要用于电网调度，提高供电质量，促进光伏发电竞价上网[2 ,9 ].超短期预测通常用于电网实时调度和光伏发电设备控制[10 ]. ...
光伏发电出力预测技术研究综述
1
2019
... 按照预测方式的不同，可将光伏功率预测分为：直接预测和间接预测[11 ].间接预测需要先对太阳辐射进行预测，然后利用太阳辐射的预测值来预测光伏电站的输出功率[12 ].直接预测则根据历史数据和当地实时天气预报数据对光伏电站出力进行预测，常用的直接预测方法有时间序列法、统计分析和智能预测算法等多种方法[13 ]. ...
光伏发电出力预测技术研究综述
1
2019
... 按照预测方式的不同，可将光伏功率预测分为：直接预测和间接预测[11 ].间接预测需要先对太阳辐射进行预测，然后利用太阳辐射的预测值来预测光伏电站的输出功率[12 ].直接预测则根据历史数据和当地实时天气预报数据对光伏电站出力进行预测，常用的直接预测方法有时间序列法、统计分析和智能预测算法等多种方法[13 ]. ...
基于遗传算法—模糊径向基神经网络的光伏发电功率预测模型
1
2015
... 按照预测方式的不同，可将光伏功率预测分为：直接预测和间接预测[11 ].间接预测需要先对太阳辐射进行预测，然后利用太阳辐射的预测值来预测光伏电站的输出功率[12 ].直接预测则根据历史数据和当地实时天气预报数据对光伏电站出力进行预测，常用的直接预测方法有时间序列法、统计分析和智能预测算法等多种方法[13 ]. ...
基于遗传算法—模糊径向基神经网络的光伏发电功率预测模型
1
2015
... 按照预测方式的不同，可将光伏功率预测分为：直接预测和间接预测[11 ].间接预测需要先对太阳辐射进行预测，然后利用太阳辐射的预测值来预测光伏电站的输出功率[12 ].直接预测则根据历史数据和当地实时天气预报数据对光伏电站出力进行预测，常用的直接预测方法有时间序列法、统计分析和智能预测算法等多种方法[13 ]. ...
短期太阳能光伏发电预测方法研究进展
1
2013
... 按照预测方式的不同，可将光伏功率预测分为：直接预测和间接预测[11 ].间接预测需要先对太阳辐射进行预测，然后利用太阳辐射的预测值来预测光伏电站的输出功率[12 ].直接预测则根据历史数据和当地实时天气预报数据对光伏电站出力进行预测，常用的直接预测方法有时间序列法、统计分析和智能预测算法等多种方法[13 ]. ...
短期太阳能光伏发电预测方法研究进展
1
2013
... 按照预测方式的不同，可将光伏功率预测分为：直接预测和间接预测[11 ].间接预测需要先对太阳辐射进行预测，然后利用太阳辐射的预测值来预测光伏电站的输出功率[12 ].直接预测则根据历史数据和当地实时天气预报数据对光伏电站出力进行预测，常用的直接预测方法有时间序列法、统计分析和智能预测算法等多种方法[13 ]. ...
光伏电站短期功率预测方法研究
1
2017
... 按照预测原理的不同，可将光伏功率预测分为统计预测和物理预测.物理预测是根据光伏发电系统的运行机理和参数构建系统的物理模型，然后将光照强度和温度等气象信息输入物理模型中计算出光伏电站的输出功率[14 ].对于实际运行的光伏发电系统，其运行参数随运行时间的增加逐渐发生变化，使得物理模型的预测精度不断降低.统计预测主要利用统计模型来描述光伏电站功率输出与输入变量(包括数值天气预报(numerical weather prediction，NWP)数据和实时测量数据)之间的映射关系.常用的统计方法有时间序列法、回归分析法、灰色理论法等[15 ,16 ,17 ]. ...
光伏电站短期功率预测方法研究
1
2017
... 按照预测原理的不同，可将光伏功率预测分为统计预测和物理预测.物理预测是根据光伏发电系统的运行机理和参数构建系统的物理模型，然后将光照强度和温度等气象信息输入物理模型中计算出光伏电站的输出功率[14 ].对于实际运行的光伏发电系统，其运行参数随运行时间的增加逐渐发生变化，使得物理模型的预测精度不断降低.统计预测主要利用统计模型来描述光伏电站功率输出与输入变量(包括数值天气预报(numerical weather prediction，NWP)数据和实时测量数据)之间的映射关系.常用的统计方法有时间序列法、回归分析法、灰色理论法等[15 ,16 ,17 ]. ...
基于ARIMA时间序列的分布式光伏系统输出功率预测方法研究
1
2019
... 按照预测原理的不同，可将光伏功率预测分为统计预测和物理预测.物理预测是根据光伏发电系统的运行机理和参数构建系统的物理模型，然后将光照强度和温度等气象信息输入物理模型中计算出光伏电站的输出功率[14 ].对于实际运行的光伏发电系统，其运行参数随运行时间的增加逐渐发生变化，使得物理模型的预测精度不断降低.统计预测主要利用统计模型来描述光伏电站功率输出与输入变量(包括数值天气预报(numerical weather prediction，NWP)数据和实时测量数据)之间的映射关系.常用的统计方法有时间序列法、回归分析法、灰色理论法等[15 ,16 ,17 ]. ...
基于ARIMA时间序列的分布式光伏系统输出功率预测方法研究
1
2019
... 按照预测原理的不同，可将光伏功率预测分为统计预测和物理预测.物理预测是根据光伏发电系统的运行机理和参数构建系统的物理模型，然后将光照强度和温度等气象信息输入物理模型中计算出光伏电站的输出功率[14 ].对于实际运行的光伏发电系统，其运行参数随运行时间的增加逐渐发生变化，使得物理模型的预测精度不断降低.统计预测主要利用统计模型来描述光伏电站功率输出与输入变量(包括数值天气预报(numerical weather prediction，NWP)数据和实时测量数据)之间的映射关系.常用的统计方法有时间序列法、回归分析法、灰色理论法等[15 ,16 ,17 ]. ...
环境因素对光伏发电量综合回归分析
1
2016
... 按照预测原理的不同，可将光伏功率预测分为统计预测和物理预测.物理预测是根据光伏发电系统的运行机理和参数构建系统的物理模型，然后将光照强度和温度等气象信息输入物理模型中计算出光伏电站的输出功率[14 ].对于实际运行的光伏发电系统，其运行参数随运行时间的增加逐渐发生变化，使得物理模型的预测精度不断降低.统计预测主要利用统计模型来描述光伏电站功率输出与输入变量(包括数值天气预报(numerical weather prediction，NWP)数据和实时测量数据)之间的映射关系.常用的统计方法有时间序列法、回归分析法、灰色理论法等[15 ,16 ,17 ]. ...
环境因素对光伏发电量综合回归分析
1
2016
... 按照预测原理的不同，可将光伏功率预测分为统计预测和物理预测.物理预测是根据光伏发电系统的运行机理和参数构建系统的物理模型，然后将光照强度和温度等气象信息输入物理模型中计算出光伏电站的输出功率[14 ].对于实际运行的光伏发电系统，其运行参数随运行时间的增加逐渐发生变化，使得物理模型的预测精度不断降低.统计预测主要利用统计模型来描述光伏电站功率输出与输入变量(包括数值天气预报(numerical weather prediction，NWP)数据和实时测量数据)之间的映射关系.常用的统计方法有时间序列法、回归分析法、灰色理论法等[15 ,16 ,17 ]. ...
基于灰色－加权马尔可夫链的光伏发电量预测
1
2019
... 按照预测原理的不同，可将光伏功率预测分为统计预测和物理预测.物理预测是根据光伏发电系统的运行机理和参数构建系统的物理模型，然后将光照强度和温度等气象信息输入物理模型中计算出光伏电站的输出功率[14 ].对于实际运行的光伏发电系统，其运行参数随运行时间的增加逐渐发生变化，使得物理模型的预测精度不断降低.统计预测主要利用统计模型来描述光伏电站功率输出与输入变量(包括数值天气预报(numerical weather prediction，NWP)数据和实时测量数据)之间的映射关系.常用的统计方法有时间序列法、回归分析法、灰色理论法等[15 ,16 ,17 ]. ...
基于灰色－加权马尔可夫链的光伏发电量预测
1
2019
... 按照预测原理的不同，可将光伏功率预测分为统计预测和物理预测.物理预测是根据光伏发电系统的运行机理和参数构建系统的物理模型，然后将光照强度和温度等气象信息输入物理模型中计算出光伏电站的输出功率[14 ].对于实际运行的光伏发电系统，其运行参数随运行时间的增加逐渐发生变化，使得物理模型的预测精度不断降低.统计预测主要利用统计模型来描述光伏电站功率输出与输入变量(包括数值天气预报(numerical weather prediction，NWP)数据和实时测量数据)之间的映射关系.常用的统计方法有时间序列法、回归分析法、灰色理论法等[15 ,16 ,17 ]. ...
基于Kmeans-SVM的短期光伏发电功率预测
1
2018
... 支持向量机(support vector machine, SVM)作为一种性能良好的统计预测算法，可以有效解决非线性分类、函数估计和短期预测问题，在光伏功率预测方面得到了深入研究和应用.文献[18 ]通过K均值算法对训练样本集进行聚类分析，然后利用聚类后的各类数据分别训练SVM，预测结果表明该方法可有效提高SVM模型的预测精度.文献[19 ]基于集成学习思想，提出了用于光伏功率预测的二次自适应支持向量机模型，预测结果表明该方法可进一步提高光伏功率预测精度.文献[20 ]首先对数据进行了预处理，有效降低了数据中的噪声，然后利用多核支持向量机对光伏功率进行预测，结果表明该方法可以有效提高预测精度. ...
基于Kmeans-SVM的短期光伏发电功率预测
1
2018
... 支持向量机(support vector machine, SVM)作为一种性能良好的统计预测算法，可以有效解决非线性分类、函数估计和短期预测问题，在光伏功率预测方面得到了深入研究和应用.文献[18 ]通过K均值算法对训练样本集进行聚类分析，然后利用聚类后的各类数据分别训练SVM，预测结果表明该方法可有效提高SVM模型的预测精度.文献[19 ]基于集成学习思想，提出了用于光伏功率预测的二次自适应支持向量机模型，预测结果表明该方法可进一步提高光伏功率预测精度.文献[20 ]首先对数据进行了预处理，有效降低了数据中的噪声，然后利用多核支持向量机对光伏功率进行预测，结果表明该方法可以有效提高预测精度. ...
基于二次自适应支持向量机的光伏输出功率预测
1
2019
... 支持向量机(support vector machine, SVM)作为一种性能良好的统计预测算法，可以有效解决非线性分类、函数估计和短期预测问题，在光伏功率预测方面得到了深入研究和应用.文献[18 ]通过K均值算法对训练样本集进行聚类分析，然后利用聚类后的各类数据分别训练SVM，预测结果表明该方法可有效提高SVM模型的预测精度.文献[19 ]基于集成学习思想，提出了用于光伏功率预测的二次自适应支持向量机模型，预测结果表明该方法可进一步提高光伏功率预测精度.文献[20 ]首先对数据进行了预处理，有效降低了数据中的噪声，然后利用多核支持向量机对光伏功率进行预测，结果表明该方法可以有效提高预测精度. ...
基于二次自适应支持向量机的光伏输出功率预测
1
2019
... 支持向量机(support vector machine, SVM)作为一种性能良好的统计预测算法，可以有效解决非线性分类、函数估计和短期预测问题，在光伏功率预测方面得到了深入研究和应用.文献[18 ]通过K均值算法对训练样本集进行聚类分析，然后利用聚类后的各类数据分别训练SVM，预测结果表明该方法可有效提高SVM模型的预测精度.文献[19 ]基于集成学习思想，提出了用于光伏功率预测的二次自适应支持向量机模型，预测结果表明该方法可进一步提高光伏功率预测精度.文献[20 ]首先对数据进行了预处理，有效降低了数据中的噪声，然后利用多核支持向量机对光伏功率进行预测，结果表明该方法可以有效提高预测精度. ...
基于数据预处理与特征表示的多核SVM短期光伏发电预测
1
2018
... 支持向量机(support vector machine, SVM)作为一种性能良好的统计预测算法，可以有效解决非线性分类、函数估计和短期预测问题，在光伏功率预测方面得到了深入研究和应用.文献[18 ]通过K均值算法对训练样本集进行聚类分析，然后利用聚类后的各类数据分别训练SVM，预测结果表明该方法可有效提高SVM模型的预测精度.文献[19 ]基于集成学习思想，提出了用于光伏功率预测的二次自适应支持向量机模型，预测结果表明该方法可进一步提高光伏功率预测精度.文献[20 ]首先对数据进行了预处理，有效降低了数据中的噪声，然后利用多核支持向量机对光伏功率进行预测，结果表明该方法可以有效提高预测精度. ...
基于数据预处理与特征表示的多核SVM短期光伏发电预测
1
2018
... 支持向量机(support vector machine, SVM)作为一种性能良好的统计预测算法，可以有效解决非线性分类、函数估计和短期预测问题，在光伏功率预测方面得到了深入研究和应用.文献[18 ]通过K均值算法对训练样本集进行聚类分析，然后利用聚类后的各类数据分别训练SVM，预测结果表明该方法可有效提高SVM模型的预测精度.文献[19 ]基于集成学习思想，提出了用于光伏功率预测的二次自适应支持向量机模型，预测结果表明该方法可进一步提高光伏功率预测精度.文献[20 ]首先对数据进行了预处理，有效降低了数据中的噪声，然后利用多核支持向量机对光伏功率进行预测，结果表明该方法可以有效提高预测精度. ...
