有限传感资源下的太阳能发电两级预测
应用统计
2015-08-12 v1
摘要
本文考虑了一种感知资源有限的典型太阳能部署场景。文献中要么存在精度有限的日前太阳能发电预测方法，要么存在不适用于需要较长期预测应用的高精度短时间尺度方法。我们提出一种两级（全局层与局部层）预测方法，仅利用历史功率数据来提升长期（24小时）太阳能发电预测的精度。在全局层，我们考察了两种流行的启发式方法：加权 k 近邻（k-NN）和神经网络（NN）。在局部层，利用实时解析残差分析对全局层结果进行自适应更新。所提方法使用具有 35kW 太阳能发电容量的 UCLA 微电网进行了验证。实验结果表明，所提两级预测方法在提供相同预测长度的同时，相比日前预测达到了更高精度。基于加权 k-NN 或 NN 的全局层在整体预测性能上的差异被仔细讨论与推理。通过典型晴天和云天的案例研究展示了所提两级预测的有效性。
引用
@article{arxiv.1508.02669,
title = {Two-Tier Prediction of Solar Power Generation with Limited Sensing Resource},
author = {Yubo Wang and Bin Wang and Rui Huang and Chi-Cheng Chu and Hemanshu R. Pota and Rajit Gadh},
journal= {arXiv preprint arXiv:1508.02669},
year = {2015}
}