%0 Journal Article
%T 微电网光伏发电的Adaboost天气聚类超短期预测方法
%A 李丰君
%A 杨威
%A 梁宁
%A 谭津
%A 邓长虹
%J 电力系统自动化
%D 2017
%X 微电网光伏发电预测精度与天气状态呈高度相关性，非晴空条件下气象因素的随机波动使得超短期预测精度较低。对此，文中提出一种改进Adaboost天气聚类和马尔可夫链的组合预测方法。首先采用滑动平均法提取辐照度特征变量，设计并训练Adaboost改进的K近邻(KNN)分类器，实现历史样本的分类；为进一步提高多云和阴雨天的预测精度，引入天气类型衰减系数对Hottel太阳辐射模型进行校正，形成完整描述各天气类型的辐照度基准模型；建立多阶加权马尔可夫链模型输出辐照度预测值；最后由光电转换模型实现间隔5 min的微电网光伏超短期预测。仿真结果表明，所述预测方法提高了各天气类型下的预测精度，对提高微电网经济调度水平具有重要意义
%K 光伏发电
%K 微电网
%K 超短期预测
%K 衰减系数
%K Adaboost
%K photovoltaic power generation
%K microgrid
%K ultra-short-term power output forecasting
%K attenuation coefficient
%K Adaboost
%U http://www.aeps-info.com/aeps/article/abstract/20170217006?st=article_issue