[发明专利]一种基于改进模糊聚类算法的光伏功率预测方法

摘要

本发明公开了一种基于改进模糊聚类算法的光伏功率预测方法，为了减小相似日选取误差和提高光伏发电功率预测精度，首先，利用改进模糊聚类算法对历史日样本进行了聚类分析，然后，利用预测日所属类别的历史数据和预测日的气象数据建立了BP神经网络发电预测模型。以实际数据对所提模型进行了验证，并与传统的基于相似日选取的光伏功率预测模型进行了对比，结果表明该模型具有更高的预测精度。

主权项

一种基于改进模糊聚类算法的光伏功率预测方法，其特征是，包括如下步骤：1)采集样本数据，并进行无量纲化处理以及标准化处理；2)根据步骤1)的样本数据，确定日特征相关因素的权重；3)历史日样本模糊聚类，计算衡量本分类对象xi与xj之间的相似系数rij，确定论域U上的模糊关系矩阵：设S(X,Y)表示样本X和样本Y之间的相似度，且S(X,Y)＝αD(X,Y)+βR(X,Y)，模糊矩阵式中，xi和yi分别是样本X和样本Y属性因子的数值，且在[0,1]之间，σi为样本中第i个属性因子的权值(i＝1,2,…,m)，α和β为D(X,Y)和R(X,Y)权重系数，α+β＝1；将得到的模糊矩阵R通过逐次平方法求出其传递闭包阵R*＝t(R)，依据经验值取适当的阈值λ，对R*进行截割；对记模糊矩阵R的λ‑截距阵为其中，按不同的λ值进行分类，得到不同的聚类结果；4)对新样本进行分类识别，首先根据聚类情况，按下式求出各类的聚类中心：k＝1,2,…,m，式中，第i类包括p个样本；m为样本特征指标的数目；然后按步骤3)的方法进行新样本的分类识别；5)确定预测模型并进行参数优化。