- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
[2019年IEEE创新智能电网技术-亚洲会议(ISGT Asia) - 中国成都 (2019.5.21-2019.5.24)] 2019 IEEE创新智能电网技术-亚洲会议(ISGT Asia) - 基于极限学习机模型与改进相似日法的光伏短期出力预测研究
摘要： 本文提出了一种基于改进相似日选取的极限学习机模型，用于预测光伏发电短期出力。通过皮尔逊相关系数分析各类气象因素对光伏发电出力的影响，筛选出对光伏出力影响较大的气象因子。进而结合模糊聚类方法改进相似日选取方式，建立预测模型。利用与待测日相关性最高的多日光伏出力数据训练极限学习机神经网络，进而预测待测日的光伏出力。实验结果表明，该方法相比传统预测方法具有更高的预测精度和更短的运算时间，且算法简洁、预测成本低，具有广泛的应用价值和研宄空间。
关键词： 极限学习机，相似日，光伏输出预测
更新于2025-09-16 10:30:52
-
基于变分模态分解与最大相关最小冗余的光伏输出预测
摘要： 光伏输出受太阳辐照度、环境温度、瞬时云团等因素影响，其输出序列呈现明显的间歇性和随机性特征，这给光伏输出预测带来极大困难。针对光伏发电可预测性低的问题，本文提出一种基于变分模态分解（VMD）、最大相关最小冗余（mRMR）和深度置信网络（DBN）的组合式光伏输出预测方法。该方法利用VMD将光伏输出序列分解为不同特性的模态分量，通过mRMR确定各模态分量的主要特征因子，再采用DBN模型对各模态分量及其对应特征因子进行拟合，最后将各模态分量的预测结果叠加得到光伏输出的预测值。通过采用云南某光伏电站数据进行对比实验，发现本文提出的模型提高了光伏输出的预测精度。
关键词： mRMR、光伏输出预测、特征选择、深度置信网络、变分模态分解
更新于2025-09-11 14:15:04