基于EEMD-SVM方法的光伏电站短期出力预测

• 作者: 张榴晨 徐海波 曹雨 茆美琴 龚文剑
• 来源期刊: 中国电机工程学报
• 学科: 工学
• 关键词: 集合经验模态分解 支持向量机 光伏电站 短期预测 组合预测模型
• 年，卷（期）: 2013,（34）
• 所属期刊栏目: 太阳能并网发电与电力系统交互影响
• 页码范围: 17-24
• 页数: 8页
• 分类号: TM73
• 字数: 5738字
• 语种: 中文

摘要

针对光伏电站日前小时短期出力预测问题，提出一种基于集合经验模态分解(ensemble empirical mode decomposition，EEMD)和支持向量机(support vector machines，SVM)的 EEMD-SVM 组合模型预测方法。该方法将天气类型分为突变天气和非突变天气。首先采用EEMD分解法将历史光伏电站小时出力数据分解为一系列相对平稳的分量序列，对不同的天气类型考虑不同的气象因素，然后采用SVM法对所分解的各分量序列分别建立预测模型，选用不同的核函数和参数以取得单个分量序列的最佳预测精度。算例结果表明，分类建模思想和EEMD-SVM组合预测法能够使突变天气预测结果的平均绝对百分比误差减少5%，非突变天气的减少3%。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	茆美琴		13	1216	7.0	13.0
2	张榴晨		3	187	3.0	3.0
3	龚文剑		1	112	1.0	1.0
4	曹雨		1	112	1.0	1.0
5	徐海波		2	148	2.0	2.0