李思宇
- 作品数：2 被引量：33H指数：2
- 供职机构：天津大学电气与自动化工程学院更多>>
- 发文基金：国家自然科学基金天津市自然科学基金国家重点基础研究发展计划更多>>
- 相关领域：电气工程更多>>
- 基于数据挖掘的光伏阵列发电预测方法研究被引量：19
- 2017年
- 提出一种综合使用前向选择(forward selection,FS)和K-means聚类以及径向基函数(radical basis function,RBF)神经网络的光伏发电功率预测方法。模型以每小时的气象因素作为输入量,首先采用前向选择法对原始多维输入量进行约减,在降低维数的基础上减小各个变量间的耦合现象。再通过K-means聚类方法对样本进行聚类,继而对各类数据建立不同的RBF预测模型,避免单神经网络的过拟合问题。实验结果表明,相比于传统的神经网络预测模型,该文使用的模型输入变量更少,预测精度更高。
- 程泽李思宇韩丽洁蒋春晓
- 关键词：数据挖掘K-MEANS聚类RBF神经网络
- 光伏发电功率的智能预测算法被引量：15
- 2014年
- 光伏发电系统的出力具有强烈的波动性,为了减轻其对电网的冲击,有必要进行光伏出力预测。提出了一种基于灰色关联度分析(gray relational analysis,GRA)和最小二乘支持向量机(least square support vector machine,LSSVM)方法对光伏出力进行预测,该方法是传统直接预测和间接预测方法的结合,分析了辐照度、天气类型等对光伏输出功率的影响。通过GRA选择训练样本,使样本更全面地反映预测日的天气属性;然后运用LSSVM提前24 h预测输出功率,利用天津市太阳能光电建筑示范项目的实测数据对该预测模型进行了测试与评估,算例结果表明,所提出的GRA-LSSVM的预测方法具有较高的预测精度。
- 程泽韩丽洁李思宇巩力
- 关键词：光伏发电功率预测
