考虑多气象因子累积影响的光伏发电功率预测

针对当前主流的光伏发电功率预测方法中,深度学习算法训练耗时长、传统机器学习算法精度有待提升的问题,提出考虑多气象因子累积影响的光伏发电功率预测方法。首先,采用相关系数法筛选关联气象因子,并使用余弦距离的K-means++算法将训练集高效划分为K个类簇;在第1路预测中,使用关联气象因子构造二维气象矩阵,然后输入到柯西变异优化的特征金字塔网络(feature pyramid networks,FPN)模型,挖掘相关气象因子对光伏发电功率的累积影响;在第2路预测中,使用轻量梯度提升机(light gradient boosting machine,LightGBM)算法实现光伏发电功率的即时预测;借鉴集成学习的思想,将上述2组预测结果加权求和,得到最终的光伏发电功率预测结果。在关联因子筛选、聚类效果对比实验部分,取0.3为相关系数阈值,验证聚类个数取4为最优;在光伏出力预测算法对比实验部分,分别基于平均相对误差、均方根误差,计算所提算法的预测精度为88.12%、82.03%,均高于其他各项参照算法,从而证明了所提算法的可行性。

气象因子对滴灌小麦青贮玉米复播体系参考作物蒸发蒸腾量ET_0值的影响

为了研究气象因子对"滴灌小麦-青贮玉米"复播体系ET_0的影响,本文以2017年石河子地区4—10月("滴灌小麦-青贮玉米"复播体系生育期)的气象因子为基础,应用彭曼公式计算出每日的ET_0值,采用相关分析法分析了逐日气象因子与ET_0,以及累积气象因子和累积ET_0值之间的相关关系。结果表明:参考作物蒸发蒸腾量ET_0的大小受气象因子影响,在"滴灌小麦-青贮玉米"复播体系中4、5、9、10月份ET_0值较小,6、7、8月份ET_0值较大;参考作物蒸发蒸腾量ET_0与最高温度、最低温度、平均温度呈正相关关系,与相对湿度呈负相关关系,但其相关性较差;单个累积气象因子与累积ET_0之间存在极显著的相关性,可用单个累积气象因子简化ET_0值的计算。

基于BP神经网络的北京夏季日最大电力负荷预测方法

利用2006～2017年北京夏季(6～8月)逐日最大电力负荷和同期气象资料,分析最大电力负荷与各种气象因子的相关性,基于BP(BackPropagation)神经网络算法,建立了两种夏季日最大电力负荷预测模型并对比。结果表明:北京夏季周末基础负荷远小于工作日,剔除时应加以区分;气象因子对气象负荷的影响具有累积效应,累积2 d时两者的相关性最强;结合实际,根据自变量的不同分别建立了两种日最大电力负荷预测模型;经实际预测检验,两种预测模型均取得了较好的预测效果,能够满足电力部门的实际需求,其中自变量中加入前一日气象负荷的模型效果更优。