基于VMD-IPSO-RFR模型的光伏发电功率预测

• 作者: 吴长林 陈玉 高文根
• 来源期刊: 四川轻化工大学学报（自然科学版）
• 学科: 工学
• 关键词: 功率预测 变分模态分解 灰色关联系数法 粒子群算法 随机森林回归
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 机械、电子及计算机科学
• 页码范围: 73-79
• 页数: 7页
• 分类号: TM615
• 字数: 4543字
• 语种: 中文
• DOI: 10.11863/j.suse.2020.01.12

摘要

针对预测数据噪声过大或超参数调整不当,导致随机森林回归(RFR)模型预测光伏发电功率精度不高的问题,提出一种基于变分模态分解(VMD)结合改进的粒子群(IPSO)优化随机森林回归(RFR)的光伏预测模型.该方法先用灰色关联度系数法(GRA)选取相似日,再使用VMD把相似日功率数据分解为一系列相对平稳的子模态,突出光伏发电功率的局部特征信息,降低数据的不稳定性,然后利用IPSO对RFR中超参数进行寻优,将优化后的IPSO-RFR模型对各个分量进行预测,最后将预测结果进行叠加重构.实例证明,该模型在晴天和阴雨天的预测平均绝对百分比误差分别为10.64％和5.42％,预测精度相对较高.