基于GA-GNNM的极地光伏发电功率预测方法

为了更准确有效地预测极性光伏功率，提出了一种基于遗传算法GNNM的极性光伏功率预测方法。首先，对收集到的气候因子数据和光伏发电数据的缺失和异常部分进行清理和归一化。通过最大相关和最小相关（MRMR）选择气候特征的最佳组合，构建多维气候特征数据集。将其输入K均值聚类算法，完成不同季节天气类型的聚类划分，然后引入相对距离来量化发电功率，在冷季和暖季不同天气类型下与预测日具有高度相似性。构建灰色神经融合模型（GNNM），将灰色模型（GM）中的微分方程映射到神经网络模型中，并使用遗传优化算法（GA）优化模型参数，以避免局部优化，提高极性光伏预测算法的精度。最后，以南极恩克斯堡岛的气候和光伏发电数据为例进行验证。实例分析的结果为在极地地区建立第五个新站奠定了理论基础。