-
题名基于相似日聚类组合模型的短期光伏发电功率预测
- 1
-
-
作者
郑晓亮
王虎
-
机构
安徽理工大学
安徽理工大学公共安全与应急管理学院
安徽理工大学电气与信息工程学院
-
出处
《科学技术与工程》
北大核心
2025年第27期11632-11641,共10页
-
基金
中国工程院战略研究与咨询项目(2024-02)
安徽省自然科学基金(2108085UD07)
安徽理工大学研究生创新基金(2024cx2057)。
-
文摘
为提高光伏发电功率的预测精度,减少光伏发电对电网调度的影响,提出一种基于相似日聚类的PCC-EEMD-BES-ELM光伏发电功率短期预测模型。通过Pearson相关系数(Pearson correlation coefficient,PCC)筛选出主要因素作为预测模型的输入,集成经验模态分解(ensemble empirical mode decomposition,EEMD)能够提取出光伏发电功率的多层次特征,秃鹰搜索算法(bald eagle search,BES)能有效选择出重要特征并进行模型优化,而优化极限学习机(extreme learning machine,ELM)则通过快速的学习机制进行高效的预测,从而形成一个能够在复杂环境下提供高精度预测的强大模型。最后利用相似日聚类将天气分成晴天、雨天、多云分别进行发电功率预测。以实际的光伏电站数据对模型进行验证,结果表明该模型最小的根均方差(root mean square error,RMSE)达到0.0481,平均绝对误差(mean absolute error,MAE)达到0.0359,平均相对百分误差(mean absolute percentage error,MAPE)达到0.947%。可见在不同季节不同天气下,该模型均表现出最低的预测误差,证明其在光伏发电功率短期预测中的有效性和稳定性。
-
关键词
光伏发电
功率预测
秃鹰搜索优化算法
极限学习机
-
Keywords
photovoltaic power generation
power forecasting
bald eagle search optimization algorithm
extreme learning machine
-
分类号
TM615
[电气工程—电力系统及自动化]
-
