1. 国网安徽省电力有限公司
2. 国网安徽省电力有限公司宣城供电公司
3. 安徽大学电气工程与自动化学院
纸质出版:2025
移动端阅览
贾伟, 付鹏, 王正风, 等. 基于动态时间规整聚类的VMD-KELM光伏发电功率预测[J]. 电网与清洁能源, 2025,41(11):104-112.
贾伟, 付鹏, 王正风, et al. 基于动态时间规整聚类的VMD-KELM光伏发电功率预测[J]. 2025, 41(11): 104-112.
贾伟, 付鹏, 王正风, 等. 基于动态时间规整聚类的VMD-KELM光伏发电功率预测[J]. 电网与清洁能源, 2025,41(11):104-112. DOI: 10.26963/j.psce.2025.11013.
贾伟, 付鹏, 王正风, et al. 基于动态时间规整聚类的VMD-KELM光伏发电功率预测[J]. 2025, 41(11): 104-112. DOI: 10.26963/j.psce.2025.11013.
针对分布式光伏点多面广、布局分散导致发电功率随机性强、波动性大,且受局部地理与天气周期影响显著,短期预测精度不足的问题,提出了一种基于动态时间规整聚类的变分模态分解-核极限学习机(variational modal decomposition-kernel extreme learning machine
VMD-KELM)分布式光伏发电功率预测模型,并通过白鲸优化(beluga whale optimization
BWO)算法优化预测精度。首先,利用基于动态时间规整(dynamic time warping
DTW)的Kmeans算法对历史发电数据进行时间序列聚类,识别不同气象条件下的区域特征;其次,通过VMD分解处理后的数据,有效克服高波动性、边界效应及模态混叠问题,提升序列平稳性;最后,构建核极限学习机(kernel extreme learning machine
KELM)预测模型,并运用BWO算法优化其关键参数提高模型精度与收敛速度,通过某分布式光伏电站的实测数据验证所提模型的有效性。结果表明,该模型在不同气象条件下均能提供高精度的预测结果,有力地支撑了电力系统的稳定运行,同时促进了光伏消纳能力的提升。
盛四清,金航,刘长荣.基于VMD-WSGRU的风电场发电功率中短期及短期预测[J].电网技术,2022(03).
吴春华,董阿龙,李智华,汪飞.基于图相似日和PSO-XGBoost的光伏功率预测[J].高电压技术,2022(08).
殷豪,张铮,丁伟锋,陈嘉铭,陈黍,孟安波.基于生成对抗网络和LSTM-CSO的少样本光伏功率短期预测[J].高电压技术,2022(11).
舒印彪,赵勇,赵良,邱波,刘美,杨阳.“双碳”目标下我国能源电力低碳转型路径[J].中国电机工程学报,2023(05).
朱琼锋,李家腾,乔骥,史梦洁,王朝亮.人工智能技术在新能源功率预测的应用及展望[J].中国电机工程学报,2023(08).
孙玲玲,李海滨,贾清泉,张弓,王美娟.面向用户侧分布式光伏资源集群开发的博弈策略[J].电力系统自动化,2023(10).
黄杨珏,张晓珂,沈开程,戴小然,朱远哲,汪进锋,贾梦麒.基于智能混合预测策略的短期光伏功率预测[J].电网与清洁能源,2023(11).
王涛,王旭,许野,李薇.计及相似日的LSTM光伏出力预测模型研究[J].太阳能学报,2023(08).
王志宝,吴柏铮,孟令哲.基于多特征神经网络的日前光伏功率预测[J].电子设计工程,2024(07).
关小宇,龚新程,杨小玲,吴信立,郭超,樊东.基于WOA-BiLSTM模型的短期光伏出力预测[J].电力与能源,2023(06).
陈殿昊,臧海祥,蒋雨楠,刘璟璇,孙国强,卫志农.基于多层次云图特征与宽度学习的超短期光伏功率预测[J].电力系统自动化,2024(22).
赵佳蕊,王玲芝,李晨阳.基于LEA-LSTM的光伏发电功率短期预测方法[J].电力信息与通信技术,2024(11).
0
浏览量
下载量
CSCD
关联资源
相关文章
相关作者
相关机构