典型文献
基于VMD-ISSA-KELM的短期光伏发电功率预测
文献摘要：
针对光伏发电功率存在随机性和波动性较强、预测精度较低的问题,提出了一种基于变分模态分解(variational mode decomposition,VMD)和改进松鼠觅食算法优化核极限学习机(improved squirrel search algorithm optimization kernel extreme learning machine,ISSA-KELM)的预测模型.首先,利用高斯混合模型(Gaussian mixture model,GMM)将光伏发电功率数据进行聚类,得到不同天气类型下的相似日样本.其次,利用VMD对原始光伏发电功率序列进行平稳化处理,得到若干个规律性较强的子序列.然后,对不同子序列构建KELM预测模型,并使用ISSA优化KELM的核参数和正则化系数.最后,将不同子序列的预测值进行重构,得到最终预测结果.结合实际算例,结果表明:所提出的VMD-ISSA-KELM模型在不同天气条件下均能得到满意的预测精度,且明显优于其他模型,验证了其有效性和优越性.
文献关键词：
光伏发电;短期功率预测;相似日;高斯混合模型;变分模态分解;改进松鼠觅食算法;核极限学习机
中图分类号：
作者姓名：
商立群;李洪波;侯亚东;黄辰浩;张建涛;杨雷
作者机构：
西安科技大学电气与控制工程学院,陕西西安 710054;国网陕西省电力公司渭南供电公司,陕西渭南 714000
文献出处：
引用格式：
[1]商立群;李洪波;侯亚东;黄辰浩;张建涛;杨雷-.基于VMD-ISSA-KELM的短期光伏发电功率预测)[J].电力系统保护与控制,2022(21):138-148
A类：
改进松鼠觅食算法
B类：
VMD,ISSA,KELM,光伏发电功率预测,随机性,波动性,变分模态分解,variational,decomposition,算法优化,核极限学习机,improved,squirrel,search,algorithm,optimization,kernel,extreme,learning,machine,高斯混合模型,Gaussian,mixture,model,GMM,天气类型,相似日,平稳化,若干个,子序列,核参数,正则化,不同天气条件,短期功率预测
AB值：
0.275035
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。
