基于FCM与CG-DBN组合的光伏功率短期预测

摘要： 受多种因素影响，光伏输出功率具有非线性、波动性和不稳定性特征。因此，短期预测模型需具备多输入、多层次和多类别特性。为解决上述问题并提高预测精度，本文提出一种基于相似日聚类与共轭梯度法改进深度置信网络的组合模型预测方法。该方法首先采用模糊C均值聚类算法（FCM）根据隶属度对原始数据进行相似日聚类，进而针对不同类别设计CG-DBN预测模型，最终用于光伏输出功率的短期预测。研究以浙江龙游电站数据为例进行实验验证，并将预测结果与反向传播神经网络模型、支持向量机（SVM）模型及传统深度置信网络进行对比分析。结果表明：在光伏功率短期负荷预测中，FCM与CG-DBN组合预测模型的性能优于上述三种模型，在光伏功率短期预测中具有较强可行性。