典型文献
基于VMD-GWO-ELMAN的光伏功率短期预测方法
文献摘要：
以进一步提高光伏输出功率短期预测的准确性和可靠性为目标,针对传统Elman神经网络权值和阈值盲目随机的缺点以及光伏输出功率信号波动性和非平稳性的特点,提出一种基于变分模态分解(VMD)和灰狼优化算法(GWO)优化Elman神经网络的光伏输出功率短期预测模型.首先,使用K-means算法对原始数据按天气类型进行聚类;然后,使用VMD对每一类型天气光伏输出功率数据进行分解,分别将各分解子序列输入经GWO优化的Elman神经网络进行光伏输出功率预测;最后,将各预测结果进行叠加.实例证明:该模型的预测精度有所提升.
文献关键词：
K-means聚类;变分模态分解;灰狼优化算法;Elman神经网络;短期光伏功率预测
中图分类号：
作者姓名：
张娜;任强;刘广忱;郭力萍;李静宇
作者机构：
内蒙古工业大学 电力学院,内蒙古 呼和浩特 010051;内蒙古自治区电能变换传输与控制重点实验室,内蒙古 呼和浩特 010051
文献出处：
引用格式：
[1]张娜;任强;刘广忱;郭力萍;李静宇-.基于VMD-GWO-ELMAN的光伏功率短期预测方法)[J].中国电力,2022(05):57-65
A类：
B类：
VMD,GWO,ELMAN,光伏功率短期预测,光伏输出功率,Elman,权值,波动性,非平稳性,变分模态分解,灰狼优化算法,means,原始数据,天气类型,子序列,输出功率预测,例证,短期光伏功率预测
AB值：
0.237783
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
