基于ART2網(wǎng)絡(luò)和K-means算法的光伏發(fā)電功率曲線聚類.pdf

1、目前，隨著光伏發(fā)電的穩(wěn)步發(fā)展和大力推廣，光伏發(fā)電出力在電力系統(tǒng)中占有越來越重要的位置，光伏系統(tǒng)日功率的分析和預(yù)測也成為一個(gè)重要的課題。聚類是海量數(shù)據(jù)分析的基礎(chǔ)。優(yōu)質(zhì)的聚類效果不但有利于數(shù)據(jù)特征的挖掘，而且能為數(shù)據(jù)后期處理提供可靠依據(jù)。本文創(chuàng)造性地將ART2神經(jīng)網(wǎng)絡(luò)和經(jīng)典聚類算法K-means算法結(jié)合起來，形成一種新的“雙重標(biāo)準(zhǔn)，雙重聚類”綜合性聚類方法。該方法能彌補(bǔ)單一聚類方法的缺陷，更加深入挖掘光伏發(fā)電功率的歷史數(shù)據(jù)的內(nèi)在關(guān)聯(lián)，完成對

2、歷史數(shù)據(jù)進(jìn)行全面分析。
　　 本文首先介紹了國內(nèi)外光伏發(fā)電系統(tǒng)的現(xiàn)狀，闡明了發(fā)電功率曲線聚類研究的重要意義，并介紹了國內(nèi)外功率曲線聚類研究方法及研究現(xiàn)狀。然后簡單說明了光伏發(fā)電基本模型，在有了一定光伏電池、光伏陣列的理論作為基礎(chǔ)之后，本文從日類型、季節(jié)、系統(tǒng)效率等方面，依次分析研究了這些因素如何影響功率曲線，繼而得出功率曲線的特性。由曲線特性進(jìn)一步得知:要想對海量數(shù)據(jù)完成較為精準(zhǔn)的聚類，必須考慮曲線距離和曲線形狀這兩個(gè)因素。為了