基于变权重组合的短期风光发电功率混合预测

何玉灵; 焦凌钰; 孙凯; 解奎; 杜晓东; 王海朋; 张祥宇

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于变权重组合的短期风光发电功率混合预测

更新时间：2025-12-18

- 基于变权重组合的短期风光发电功率混合预测
- 基于变权重组合的短期风光发电功率混合预测
- 华北电力大学学报（自然科学版） 2025年52卷第6期页码：49-59
- 作者机构：
  
  1. 华北电力大学机械工程系
  2. 电力机械装备先进制造与智能运维河北省工程研究中心
  3. 国网河北电力有限公司电力科学研究院
  4. 华北电力大学电力工程系
- 作者简介：
- 基金信息：
  
  国家自然科学基金面上项目(52177042);河北省高等学校科学技术研究重点项目(ZD2022162);河北省重点研发计划专项(21312102D);中央高校基本科研业务费面上项目(2022MS095)
- DOI：
  中图分类号： M61
- 纸质出版：2025
- 稿件说明：
移动端阅览
何玉灵, 焦凌钰, 孙凯, 等. 基于变权重组合的短期风光发电功率混合预测[J]. 华北电力大学学报（自然科学版）, 2025,52(6):49-59.

何玉灵, 焦凌钰, 孙凯, et al. 基于变权重组合的短期风光发电功率混合预测[J]. 2025, 52(6): 49-59.
何玉灵, 焦凌钰, 孙凯, 等. 基于变权重组合的短期风光发电功率混合预测[J]. 华北电力大学学报（自然科学版）, 2025,52(6):49-59. DOI：

何玉灵, 焦凌钰, 孙凯, et al. 基于变权重组合的短期风光发电功率混合预测[J]. 2025, 52(6): 49-59. DOI：

摘要

以风光为代表的新能源发电功率准确预测是高比例新能源并网消纳的基础，为此提出一种变权重组合的风光混合预测模型，可实现风光发电功率的同时预测。首先考虑风光发电功率耦合相关性，分析风电场和光伏发电场站的关联特性，利用支持向量机、遗传算法优化的BP神经网络和径向基神经网络，得到风光发电功率的初步预测值，进一步采用方差-协方差权值动态分配法组合单一预测算法预测初值，构建基于变权重组合的风光发电功率混合预测模型，并以新疆某地区为案例进行分析。研究结果表明：变权重组合的混合预测模型优于单一预测算法和其它预测模型，组合模型的3个评价指标均优于单一预测算法，能够对风光发电功率做出有效的预测，验证了本文所提模型的有效性和优越性。

Abstract

关键词

Keywords

references

Jianzhou Wang,Jianming Hu.A robust combination approach for short-term wind speed forecasting and analysis – Combination of the ARIMA (Autoregressive Integrated Moving Average), ELM (Extreme Learning Machine), SVM (Support Vector Machine) and LSSVM (Least Square SVM) forecasts using a GPR (Gaussian Process Regression) model[J].Energy,2015.

Kun YUAN,Kaifeng ZHANG,Yaxian ZHENG,Dawei LI,Ying WANG,Zhenglin YANG.Irregular distribution of wind power prediction[J].Journal of Modern Power Systems and Clean Energy,2018(06).

龚莺飞,鲁宗相,乔颖,王强.光伏功率预测技术[J].电力系统自动化,2016(04).

叶林,刘鹏.基于经验模态分解和支持向量机的短期风电功率组合预测模型[J].中国电机工程学报,2011(31).

王继东,宋智林,冉冉.基于改进支持向量机算法的光伏发电短期功率滚动预测[J].电力系统及其自动化学报,2016(11).

陈国平,李明节,许涛,刘明松.关于新能源发展的技术瓶颈研究[J].中国电机工程学报,2017(01).

孙荣富,张涛,和青,徐海翔.风电功率预测关键技术及应用综述[J].高电压技术,2021(04).

符杨,任子旭,魏书荣,王洋,黄玲玲,贾锋.基于改进LSTM-TCN模型的海上风电超短期功率预测[J].中国电机工程学报,2022(12).

郑思达,刘影,杨磊,杨晓坤.基于改进支持向量机算法的光伏发电功率预测[J].沈阳工业大学学报,2022(04).

李卓,叶林,戴斌华,於益军,罗雅迪,宋旭日.基于IDSCNN-AM-LSTM组合神经网络超短期风电功率预测方法[J].高电压技术,2022(06).

文爽,马逸骋,孙志强.基于GWO-EEMD-BP神经网络的光伏发电功率短期预测[J].中南大学学报(自然科学版),2022(12).

浏览量

1078

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于平衡优化算法-径向基神经网络的燃煤机组SO₂浓度动态软测量模型

基于BP神经网络的飞轮转子全系统模型

一种基于RBF神经网络的非线性PCA故障检测方法

电力负荷区间预测的集成极限学习机方法

基于不同ANN模型对流化床颗粒内循环量的预测研究