基于mRMR-ESN的单变量光伏功率预测

• 作者: 韩鹏 郭天 汪晋宽 史泽伟
• 来源期刊: 东北大学学报（自然科学版）
• 学科: 工学
• 关键词: 回声状态网络 特征提取 特征子集 单变量输入 光伏功率预测
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 信息与控制
• 页码范围: 174-179
• 页数: 6页
• 分类号: TP183|TM615
• 语种: 中文
• DOI: 10.12068/j.issn.1005-3026.2021.02.004

摘要

设计了两种预测模型:利用天气变量作为输入的传统多变量预测模型;利用历史功率数据作为输入的新型单变量预测模型.采用最小冗余最大相关(min-redundancy and max-relevance,mRMR)方法分别对两种模型进行特征提取,并选用在时间序列预测方面具有优势的回声状态网络(echo state network,ESN)对未来5 min的光伏功率进行仿真预测.仿真结果表明,采用mRMR方法对历史光伏功率数据进行特征提取,确定能够使预测模型达到最优效果的特征子集,并将其作为单变量预测模型的输入,可以得到更准确的预测效果.所构建的新型单变量预测模型能够为光伏电站提供新的光伏预测思路.