面向风电制氢的超短期组合功率预测

为解决因风电随机性带来的“弃风”问题，实现宽功率波动下的高效制氢，提出基于最小二乘支持向量机（LSSVM）的超短期组合预测模型，提高风电功率预测鲁棒性。通过变分模态分解（VMD）预处理将风电功率分解为不同带宽的子模态，以降低随机噪声及模态混叠的影响；引入蜻蜓算法（DA）优化LSSVM，建立超短期组合预测模型，以满足电解槽控制的时间分辨率及精度要求。以河北省某风电制氢示范项目为例，验证该算法对于高波动性数据具备更高的预测精度，为风电制氢系统的优化控制提供依据。