基于OS-ELM的光伏发电中长期功率预测

• 作者: 周敏 孙毅超 季顺祥 曾柏琛 王琦 钱子伟
• 来源期刊: 南京师范大学学报（工程技术版）
• 学科: 工学
• 关键词: 光伏预测 相关性分析 在线序列极限学习机 数据更新
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 电气工程
• 页码范围: 8-14
• 页数: 7页
• 分类号: TM615
• 字数: 5113字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-1292.2020.01.002

摘要

为了进一步提高光伏出力预测的精度,提出了一种基于在线序列极限学习机的光伏发电中长期功率预测方法.结合在线序列极限学习机学习速度快、泛化能力强的特点,通过对大量气象数据和历史发电数据综合处理,对光伏发电系统的输出功率进行预测.同时,由于实时数据的不断输入,该方法能够对预测模型进行在线更新.算例仿真研究表明,该预测方法与反向传播神经网络、支持向量机方法相比,能够有效提高预测精度,满足在线应用的需求,具有较好的应用前景.