基于云计算和智能优化SVR的光伏发电功率预测

神仙JQ

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。

---

【下载须知】请下载完整附件
【解压密码】bbs.21spv.com