基于PCA和ML-ELM-AE的短期光伏功率预测

• 作者: 靳果 朱清智 闫奇
• 来源期刊: 控制工程
• 关键词: 相似日 主成分分析 极限学习机 季节 天气
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 建模与仿真系统
• 页码范围: 1787-1796
• 页数: 10页
• 分类号: TM615
• 语种: 中文
• DOI: 10.14107/j.cnki.kzgc.20200150

摘要

光伏发电系统输出功率受气象因素季节性和随机性的影响,表现出明显的间歇性和波动性.为了提高各种情况下的输出功率预测精度,提出了一种基于主成分分析和自编码结构多层极限学习机组合算法的预测模型.首先通过相关性分析明确影响输出功率的主要气象因素,然后根据相似日原则选取待测日的训练样本和测试样本,最后利用光伏电站历史气象数据和输出功率数据对预测模型进行训练和测试,验证预测方法的预测效果.实验结果表明,与反向传播神经网络算法和支持向量机算法相比,所提出的预测方法在不同季节和不同天气情况下均具有较高的预测精度,表现出良好的功率预测稳定性和泛化能力.