基于TVF-EMD-ELM的超短期光伏功率预测

• 作者: 李威臻 李明 刘杰 宁鑫淼 白文静 三峡大学电气与新能源学院
• 来源期刊: 电工材料
• 学科: 工学
• 关键词: 光伏电站 功率预测 超短期 时变滤波经验模态分解 极限学习机
• 年，卷（期）: 2024,（6）
• 页码范围: 44-48
• 页数: 5页
• 语种: 中文
• DOI: 10.16786/j.cnki.1671-8887.eem.2023.06.013

摘要

针对光伏功率预测方法精度不高和时效性低的问题，提出了一种基于时变滤波经验模态分解（TVF-EMD）和极限学习机（ELM）相结合的超短期光伏功率预测方法。首先应用TVF-EMD方法对光伏功率数据进行分解，以便得到一组相对稳定的分量，降低不同功率影响因素之间的交互影响。然后采用ELM神经网络模型，根据各分量的特点构建不同的预测模型，来预测各个分量的值。将ELM预测的各分量值相加，从而获得最终的预测结果。算例结果表明该方法的有效性，相比传统模型其归一化均方根误差值降低了25.8%，标准平均绝对误差下降了17.97%，相关系数提高了8.3%。