基于VMD-IPSO-RFR模型的光伏发电功率预测

摘要：

针对预测数据噪声过大或超参数调整不当,导致随机森林回归(RFR)模型预测光伏发电功率精度不高的问题,提出一种基于变分模态分解(VMD)结合改进的粒子群(IPSO)优化随机森林回归(RFR)的光伏预测模型.该方法先用灰色关联度系数法(GRA)选取相似日,再使用VMD把相似日功率数据分解为一系列相对平稳的子模态,突出光伏发电功率的局部特征信息,降低数据的不稳定性,然后利用IPSO对RFR中超参数进行寻优,将优化后的IPSO-RFR模型对各个分量进行预测,最后将预测结果进行叠加重构.实例证明,该模型在晴天和阴雨天的预测平均绝对百分比误差分别为10.64％和5.42％,预测精度相对较高.

关键词：功率预测;变分模态分解;灰色关联系数法;粒子群算法;随机森林回归

所属期刊栏目：33

分类号：TM615(发电、发电厂)

资助基金：安徽省重点研究与开发计划项目2019.4A05020007

在线出版日期：2022-01-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：73-79