基于相似日聚类和PCC-VMD-SSA-KELM模型的短期光伏功率预测

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。