邵堃侠， 郭卫民， 杨 宁， 王 亮

(1.上海电力学院 自动化工程学院，上海 200090; 2. 国网河南省电力公司电力科学研究院，郑州 450052)

基于K-means算法的RBF神经网络预测光伏电站短期出力

邵堃侠1， 郭卫民2， 杨 宁1， 王 亮1

(1.上海电力学院 自动化工程学院，上海 200090; 2. 国网河南省电力公司电力科学研究院，郑州 450052)

对K-means算法加以改进，使用减法聚类确定聚类中心数量；以相距最远的两个样本作为聚类中心的边界，改进的K-means算法将K个初始中心分散到含有输入样本点的各个区域中，使其能够反映样本之间的关系和分布特征；初始中心确定后，使用点对称距离方法调整聚类中心。利用改进的K-means算法将历史日聚类分成4种天气类型，取相似日作为训练样本，对4种天气类型分别建立基于改进K-means算法的RBF神经网络功率预测模型。采用上海某光伏电站实测数据验证，结果表明提出的的预测方法精度提高，实用性较强。

功率预测； 径向基神经网络； K-means算法； 减法聚类； 点对称距离

近年来日益严重的环境问题使得越来越多的国家开始鼓励实施能源政策，促使可再生能源在能源市场所占比例日益攀升[1]。在众多电力系统中，光伏发电因其经济效益和环境效益受到高度重视。由于光伏电池成本逐渐下降以及相关技术日趋成熟[2]。2015年，全球范围内光伏装机容量新增近50 GW，与2014年同比增长25%，累计装机容量近230 GW；中国、日本和美国继续占据着最大市场，占新增装机容量的2/3[3]。

能源互联网是能源与互联网相互融合的产物，它的建立将大力推进可再生能源的消纳，促进光伏产业的发展。……