摘要：针对传统聚类算法不易选取初始聚类中心、对噪声值较敏感、收敛速度慢及易陷入局部最优等问题,提出一种基于密度峰值的层次聚类算法对天气类型进行聚类。首先确定气象数据的密度峰值参数,采用分层聚类算法将气象数据划分为不同类别,然后利用支持向量机（SVM）对未知天气类型进行识别,最终采用径向基（RBF）神经网络建立光伏发电短期功率预测模型。仿真结果表明,该方法能有效提高气象类型的分类精度、加快寻优速度,提高离群样本点分离的鲁棒性,证明了其在小样本的情况下具有较高的精度,且在天气波动较大时仍能较好地实现功率值的预测。

关键词：光伏功率预测 层次聚类算法 密度峰值 气象因子 支持向量机 

单位：上海电力学院自动化工程学院; 上海200090; 同济大学电子与信息工程学院; 上海201804