典型文献
基于SSA-LERNN的光伏出力超短期预测研究
文献摘要：
针对光伏发电功率模型预测准确度依赖数据质量的问题,提出一种结合奇异谱分析和局域情绪重构神经网络的超短期光伏发电功率组合预测方法.首先,利用奇异谱分析对实测光伏发电功率进行降噪处理,从复杂干扰信号中提取出平稳性好、可预测性强的有用信号.为解决奇异谱分析中参数选择主观性强、方法不系统的问题,采用基于搜索机制优化奇异谱分析参数的选取方法,以进一步提升降噪效果;然后,利用改进C-C法对降噪后的光伏发电功率时间序列进行混沌相空间重构,以深度挖掘数据隐含波动信息;最后,建立局域情绪重构神经网络预测模型捕捉相空间轨迹规律,超短期预测光伏出力.仿真结果表明,与局域情绪重构神经网络预测法以及边缘型人工情绪神经网络预测法相比,所提预测方法的预测准确性更高.
文献关键词：
光伏发电功率预测;奇异谱分析;混沌;相空间重构;局域情绪重构神经网络
中图分类号：
作者姓名：
王育飞;倪安安;朱里;杨启星
作者机构：
上海电力大学电气工程学院,上海200090;国网上海青浦供电公司,上海201799;国网湖州供电公司,浙江湖州313000
文献出处：
引用格式：
[1]王育飞;倪安安;朱里;杨启星-.基于SSA-LERNN的光伏出力超短期预测研究)[J].控制工程,2022(11):1941-1947
A类：
LERNN,局域情绪重构神经网络
B类：
SSA,光伏出力,超短期预测,预测研究,预测准确度,数据质量,奇异谱分析,组合预测方法,测光,降噪处理,干扰信号,平稳性,可预测性,参数选择,主观性,搜索机制,机制优化,升降,降噪效果,混沌,相空间重构,深度挖掘,波动信息,神经网络预测模型,边缘型,预测准确性,光伏发电功率预测
AB值：
0.209526
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。
