基于优化核极限学习机的光伏出力短期预测

• 作者: 张琦 田德
• 来源期刊: 电力科学与工程
• 学科: 工学
• 关键词: 光伏出力预测 自适应白噪声 集合经验模态分解 核极限学习机 参数优化 改进蝙蝠算法
• 年，卷（期）: 2017,（12）
• 页码范围: 15-21
• 页数: 7页
• 分类号: TM615
• 字数: 4137字
• 语种: 中文
• DOI: 10.3969/j.ISSN.1672-0792.2017.12.003

摘要

光伏出力的精确预测有利于确保电力系统的可靠运行,减小投资者的利益风险.考虑到光伏出力的不确定性和非平稳性,首先采用自适应白噪声的完整集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)将原始光伏出力序列分解为一系列相关性较强、 较平稳的子序列,再使用核极限学习机(Kernel Extreme Learning Machine,KELM)分别对每一子序列进行预测.由于KELM学习参数选取对其预测性能有较大影响,提出了基于改进蝙蝠算法(Improved Bat Algorithm,IBA)对KELM模型参数进行寻优.最后,将每一子序列预测结果通过求和相加获取最终的预测值.实际算例表明,该IBA算法收敛速度快,全局搜索能力强,所提的CEEMDAN?IBA?KELM组合方法能有效提高光伏出力的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张琦	广东工业大学自动化学院	8	27	3.0	4.0
2	田德	广东工业大学自动化学院	1	3	1.0	1.0