基于VMD-ICSA-LSSVM的短期光伏功率预测  

Short term photovoltaic power prediction based on VMD-ICSA-LSSVM

作　　者：王瑞 王超 逯静[2] WANG Rui;WANG Chao;LU Jing

机构地区：[1]河南理工大学电气工程与自动化学院,焦作454000 [2]河南理工大学计算机科学与技术学院,焦作454000

出　　处：《制造业自动化》2023年第3期124-129,共6页Manufacturing Automation

基　　金：国家自然科学资助(U1804147);河南省科技攻关项目资助(182102210054);河南高校重点科研项目资助(18A470012)。

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 

分 类 号：TM615[电气工程—电力系统及自动化]