基于EWT-KMPMR组合模型的光伏电站短期功率预测

摘要：

为提高光伏电站短期功率预测的精度,提出一种基于经验小波变换(empirical wavelet transform,EWT))和核最小最大概率回归机(kernel mini max probability machine regression,KMPMR)的组合预测模型,对晴天、阴天和雨天3种天气类型下的光伏电站出力分别进行了预测分析.该文首先采用EWT将相似日光伏功率序列分解为具有特征差异的AM-FM分量,然后根据各AM-FM分量的变化特点建立相应的KMPMR预测模型分别进行预测并叠加得到最终预测结果.试验结果表明,相比SVM方法,该文方法在晴天、阴天和雨天可提高预测精度(MAE)分别为56.19%、54.15%和76.33%;相比EMD-KMPMR方法,在降低近一半左右计算规模的同时,可提高预测精度(MAE)分别为9.42%、38.74%和64.52%.以阿克苏地区光伏电站实际运行数据进行试验验证表明,该文方法在3种天气类型下均可取得较高的预测精度.

关键词：发电、模型、功率、光伏电站、组合预测模型、经验小波变换、核最小最大概率回归机

所属期刊栏目：33

分类号：TM615(发电、发电厂)

资助基金：新疆维吾尔自治区重大科技专项发展计划项目:光伏发电关键技术研究与应用2016A02004;国家电网公司发展计划项目:基于串阻型逆变器的光伏电站并网特性实证性研究与测试5230DK160006

在线出版日期：2017-12-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：265-273