改进黑猩猩算法的光伏发电功率短期预测

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++）算法和黑猩猩优化算法CHOA(chimpanzee optimization algorithm)相结合，优化最小二乘支持向量机LSSVM(least squares support vector machine)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。