基于VMD-ICSA-LSSVM的短期光伏功率预测

摘要：

为提高光伏发电功率的预测精度,提出一种结合变分模态分解(VMD)、改进乌鸦算法(ICSA)和最小二乘支持向量机(LSSVM)模型的短期光伏发电功率预测方法.首先,利用VMD方法分解光伏发电功率序列,获得不同特征规律的分量子序列,降解光伏发电功率序列的随机波动性;然后,为充分挖掘分量序列的特征信息,对各分量分别构建线性和非线性两种核函数的LSSVM模型,通过误差倒数法对两种模型的预测结果进行加权组合,获得各分量的预测结果,并针对LSSVM模型中重要参数的寻优问题,引入并改进乌鸦算法(CSA),利用ICSA对模型的参数进行优化;最后,将各分量预测结果进行求和重构,获得最终的光伏功率预测结果.以江苏地区某光伏电站实测数据为例,仿真结果验证了所提方法的有效性.

关键词：光伏功率预测、变分模态分解、乌鸦算法、最小二乘支持向量机

所属期刊栏目：45

分类号：TM615(发电、发电厂)

资助基金：国家自然科学基金;河南省科技攻关项目;河南高校重点科研项目

在线出版日期：2023-03-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：124-129