基于改进高斯过程回归模型的光伏发电功率预测

摘要

【目的】随着我国光伏发电占比不断提高，光伏发电受气象因素的影响较大，其输出功率因气象特征的复杂多变表现出强烈的间歇性和波动性，对未来光伏发电功率预测的准确度将直接影响电网的稳定安全运行。针对光伏发电功率的预测精度提升问题，提出了一种融合局部离群因子算法、遗传算法与高斯过程回归（GA-LOF-GPR）的预测模型。【方法】首先，本文挖掘发电功率与气象特征的关系，并采用特征权重K均值聚类对气象类型进行分类；其次，将局部离群因子算法与高斯过程回归模型结合，构建局部异常因子加权的高斯过程回归（LOFGPR）的预测模型；最后，通过运用遗传算法优化加权高斯过程回归模型的超参数。【结果】通过对2018年澳大利亚的光伏发电数据的仿真预测，验证了该预测模型的有效性和准确性。

关键词

功率预测 / 特征权重K均值聚类 / 局部离群因子 / 高斯过程回归 / 遗传算法