基于相似日選取和PCA-LSTM的光伏出力組合預(yù)測模型研究

打開文本圖片集

摘 要：構(gòu)建一套融合主成分分析方法（PCA）、改進的K-均值聚類方法、動態(tài)時間規(guī)整算法（DTW）和長短期記憶神經(jīng)網(wǎng)絡(luò)（LSTM）的光伏出力組合預(yù)測模型。在運用PCA法提取氣象要素的主成分因子的基礎(chǔ)上，創(chuàng)新性地聯(lián)合使用改進的K-均值聚類方法和DTW算法生成內(nèi)部關(guān)聯(lián)程度高且與待預(yù)測日的天氣特征相近的歷史日樣本集；然后，結(jié)合LSTM神經(jīng)網(wǎng)絡(luò)，構(gòu)建基于相似日選取的光伏發(fā)電功率預(yù)測模型，最終實現(xiàn)了云南某光伏電站發(fā)電功率的精準預(yù)測。（剩余12692字）