光伏电站短期功率区间预测

摘要：

为了解决因天气因素导致的光伏出力预测不确定性和随机性问题,更好地量化光伏出力预测偏差的波动范围.提出了基于自适应噪声的集合经验模态分解(CEEMDAN)-排列熵(PE)和改进的蚁狮算法(IALO)优化核极限学习机(KELM)的光伏发电功率区间预测模型.利用CEEMDAN将历史功率信号分解为多个模态函数(IMF)分量,然后,计算各IMF的熵值,相近的熵值重新组合新序列.借助采用IALO调整输出层权重的KELM网络建立预测模型,对各序列进行区间构造并根据区间预测偏差调整区间模型,再叠加区间预测结果.以实际数据为算例,将组合预测模型与IALO-KELM模型和粒子群算法-反向传播算法(PSO-BP)模型进行对比实验.结果表明,CEEMDAN-PE-IALO-KELM模型的区间预测结果准确性和可靠性更高.

关键词：光伏功率预测、CEEMDAN、排列熵、核极限学习机、改进的蚁狮算法、区间预测

所属期刊栏目：45

分类号：TM615(发电、发电厂)

资助基金：天津市自然科学基金重点项目;天津市教委重点基金项目

在线出版日期：2021-05-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：490-494