基于云计算和智能优化 SVR 的光伏发电功率预测 |
| |
引用本文: | 黄桂春,何柏娜,孟繁玉.基于云计算和智能优化 SVR 的光伏发电功率预测[J].水利水电技术,2019,50(10):178-186. |
| |
作者姓名: | 黄桂春 何柏娜 孟繁玉 |
| |
作者单位: | 山东理工大学,山东 淄博 255049 |
| |
基金项目: | 国家自然科学基金项目( 51807112) ; 山东省重大科技创新工程项目( 2017CXGC0615) ; 山东省高等学校科技计划项目( J14LN27) |
| |
摘 要: | 为提高光伏发电功率的预测精度,针对支持向量机回归( Support Vector Regression,SVR) 模型的预测结果易受其惩罚系数 C、敏感损失函数的最大误差系数 ε 和核函数 g 影响的问题,提出一种基于新型智能算法 - 蝗虫算法优化 SVR 模型参数的光伏发电功率预测模型。由于光伏发电功率数据存在随机性和间隙性的特征,Multi - Agent 和分布式思想被引入蝗虫算法优化 SVR 模型,通过将云计算的 MapReduce 框架和 GOA - SVR 结合,提出一种基于 MapReduce 和 GOA - SVR 并行化的光伏发电功率预测模型( MapReduce and GOA - SVR,MR - GOA - SVR) ,从而提高海量高维光伏发电数据的处理能力。将影响光伏输出功率的 11 个气象因素作为 GOA - SVR 的输入向量,光伏输出功率作为 GOA - SVR 的输出向量,建立 GOA - SVR 的光伏发电功率预测模型。研究结果表明: MR - GOA - SVR 可以有效提高不同天气类型下的光伏发电功率的预测精度,具有很强的现实性和指导意义。与 PSO - SVR、GA - SVR、GOA - SVR 和 SVR 相比,MR - GOA - SVR在晴天、阴天和雨天均可以提高预测精度,且具有优异的并行性能。
|
关 键 词: | 云计算 蝗虫算法 支持向量机回归 光伏发电 粒子群算法 遗传算法 新能源 清洁可再生能源 |
收稿时间: | 2018-12-24 |
|
| 点击此处可从《水利水电技术》浏览原始摘要信息 |
|
点击此处可从《水利水电技术》下载全文 |
|