基于相似日聚类和PCC-VMD-SSA-KELM模型的短期光伏功率预测 |
| |
引用本文: | 李争,张杰,徐若思,罗晓瑞,梅春晓,孙鹤旭.基于相似日聚类和PCC-VMD-SSA-KELM模型的短期光伏功率预测[J].太阳能学报,2024(2):460-468. |
| |
作者姓名: | 李争 张杰 徐若思 罗晓瑞 梅春晓 孙鹤旭 |
| |
作者单位: | 1. 河北科技大学电气工程学院;2. 河北建投新能源有限公司 |
| |
摘 要: | 由于光伏发电的随机性和不稳定性会影响功率预测的精度,提出一种基于皮尔逊相关系数(PCC)、K-均值算法(K-means)、变分模态分解(VMD)、麻雀搜索算法(SSA)、核函数极限学习机(KELM)的光伏功率短期预测模型。首先,用PCC选取主要因素作为输入;K-均值算法进行相似日聚类,将历史数据聚类为晴天、多云和雨天;其次,VMD对原始信号进行分解,充分提取集合中的输入因素信息,提高数据质量;SSA优化KELM模型的核函数参数和正则化系数解决其参数选择敏感问题;最后,将不同序列预测值叠加得到最终预测结果。仿真结果表明,所提相似日聚类下PCC-VMD-SSA-KELM模型具有较小的预测误差。
|
关 键 词: | 光伏发电 功率预测 变分模态分解 K-均值 麻雀算法 核函数极限学习机 |
|
|