基于VMD-GWO-ELMAN的光伏功率短期预测方法

摘要：

以进一步提高光伏输出功率短期预测的准确性和可靠性为目标,针对传统Elman神经网络权值和阈值盲目随机的缺点以及光伏输出功率信号波动性和非平稳性的特点,提出一种基于变分模态分解(VMD)和灰狼优化算法(GWO)优化Elman神经网络的光伏输出功率短期预测模型.首先,使用K-means算法对原始数据按天气类型进行聚类;然后,使用VMD对每一类型天气光伏输出功率数据进行分解,分别将各分解子序列输入经GWO优化的Elman神经网络进行光伏输出功率预测;最后,将各预测结果进行叠加.实例证明:该模型的预测精度有所提升.

关键词：K-means聚类、变分模态分解、灰狼优化算法、Elman神经网络、短期光伏功率预测

所属期刊栏目：55

分类号：TM615;TP391;TM715

资助基金：国家自然科学基金;内蒙古自治区自然科学基金资助项目;内蒙古科技计划项目

在线出版日期：2022-05-25（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：57-65