改进黑猩猩算法的光伏发电功率短期预测

作者：谢国民; 陈天香^*

来源：电力系统及其自动化学报, 2023, 1-9.

DOI：10.19635/j.cnki.csu-epsa.001241

• 光伏功率短期预测
• 自适应聚类
• 最小二乘支持向量机
• 黑猩猩算法
• 极端天气

针对晴空、非晴空条件下光伏出力预测精度不高等问题，提出一种改进K均值(K-means++)算法和黑猩猩算法(chimp optimization algorithm，CHOA)相结合，优化最小二乘支持向量机(least squares support vector machine，LSSVM)的模型，进行光伏功率预测。首先，利用密度聚类和混合评价函数改进K-means++对原始数据进行自适应类别划分。其次，通过相关性分析和随机森林特征提取构建模型的输入特征集。最后，根据特征集建立基于DK-PCHOA-LSSVM的短期光伏发电预测模型。结合实际算例，结果表明:该模型在恶劣天气下预测精度明显优于其他模型，验证了其有效性和优越性。

• 出版日期2023
• 单位辽宁工程技术大学