Day-ahead forecasting of photovoltaic output power with similar cloud space fusion based on incomplete historical data mining

در اثر بسیاری از عوامل هواشناسی، قدرت خروجی سیستم های تولید انرژی فتوولتائیک به صورت تصادفی و نوسان است، بنابراین برای یک شبکه برق بزرگ قابل کنترل نیست. با افزایش ظرفیت فتوولتائیک متصل به شبکه، تاثیر آن در شبکه برق بزرگ نمی تواند نادیده گرفته شود. با توجه به محدودیت و ناتمام بودن قدرت خروجی فتوولتائیک تاریخی و اطلاعات هواشناسی، یک روش پیش بینی در روز پیش از قدرت خروجی فتوولتائیک با همجوشی فضای مشابه ابر مبتنی بر داده کاوی ناقص داده شده است. از طریق تجزیه و تحلیل آماری داده های قدرت فتوولتائیک تاریخی، شاخص های آماری تحت شرایط مختلف آب و هوایی برای به دست آوردن ماتریس روزهای مشابه از طریق خوشه ای فاصله ای اقلیدسی استفاده می شود. فضای ابر مشابه با استفاده از ژنراتورهای ابر روبشی تعیین می شود که برای اصلاح مقادیر پیش بینی طولی حاصل از مدل پیش بینی زنجیره مارکوف استفاده می شود. با توجه به مقدار انرژی فتوولتائیک روز قبل، به عنوان خروجی مدل پیش بینی ثابت، همراه با ارزش پیش بینی شده توسط تصحیح فاصله ابر شباهت، یک مدل پیش بینی فسیلی فیوز برای قدرت خروجی فتوولتائیک با استفاده از ژنراتورهای عقب مانده برای تحقق یک روز پیش بینی دقیق از قدرت خروجی فتوولتائیک. آزمایش های شبیه سازی بر اساس داده های اندازه گیری شده سیستم های فتوولتائیک در نیروگاه فتوولتائیک در چین، اثربخشی و صحت روش پیشنهادی را بررسی می کند. نتایج نشان می دهد که مدل دقت پیش بینی خوبی دارد و دارای قابلیت عملی و امکان پذیری خاصی است.