基于集成聚类和XGBoost的短期光伏发电功率预测
光伏发电功率预测是光伏发电规划和电网经济运行的重要基础.针对K-means算法无法确定最佳聚类数和聚类结果不稳定的问题,以及GBDT(梯度提升树)预测结构简单、预测精度低的缺点,提出集成聚类和XGBoost的组合预测算法用于构建短期光伏发电功率的预测模型.首先,采用Mean-shift(均值漂移算法)、凝聚层次聚类算法和DBI(戴维森堡丁指数)优化K-means算法,解决了无法确定最佳聚类数和聚类结果不稳定的问题;其次,在集成聚类得到的聚类结果数据上,训练得到不同气象类型下的XGBoost预测模型,以此来对光伏发电功率进行短期预测;最后,为了验证XGBoost集成学习算法的有效性,采用GBDT算法对比预测结果.经分析验证,所提出的组合预测算法在晴天、多云、阴雨天的气象类型下具有更高的预测精度,验证了该方法的有效性.
集成聚类;XGBoost算法;光伏发电;短期功率预测
40
TM714(输配电工程、电力网及电力系统)
国网浙江省电力有限公司科技项目5211TZ1900S7
2021-11-23（万方平台首次上网日期，不代表论文的发表时间）
共6页
102-107
