基于GA-GNNM的极地光伏发电功率预测方法

为了更加准确有效地对极地光伏发电功率做出预测,提出一种基于GA-GNNM的极地光伏发电功率预测方法。首先对采集到的气候因素数据以及光伏发电数据中缺失、异常部分进行清洗归一化处理;通过最大相关最小冗余算法(MRMR)选择最佳的气候特征组合,构建多维气候特征数据集;并将其输入到K均值聚类算法中完成不同季节天气类型聚类划分,然后引入相对距离量化寒暖季不同天气类型下与预测日相似度高的发电功率;构建灰色神经融合模型(GNNM),将灰色模型(GM)的微分方程映射入神经网络模型,并采用遗传优化算法(GA)对模型参数进行优化以避免局部最优,提高极地光伏预测算法的精度。最后,以南极恩克斯堡岛气候及光伏发电数据为例进行验证,算例分析的结果为极地第5个新站的建立奠定理论基础。