热能动力工程

作者：王 瑞，王英洲，逯 静

单位：河南理工大学 电气工程与自动化学院，河南 焦作 454000；河南理工大学 计算机科学与技术学院，河南 焦作 454000,,河南理工大学 电气工程与自动化学院，河南 焦作 454000；河南理工大学 计算机科学与技术学院，河南 焦作 454000,,河南理工大学 电气工程与自动化学院，河南 焦作 454000；河南理工大学 计算机科学与技术学院，河南 焦作 454000,

关键词：光伏功率预测;动态时间弯曲算法;黏菌算法;加权最小二乘支持向量机;ICEEMDAN

基金：国家自然科学基金（62273133）；河南省科技攻关项目(222102210120)

为了提高光伏发电功率预测精度，建立了基于ICEEMDANDTW和ISMAWLSSVM的光伏发电功率超短期组合预测模型。首先，根据Pearson相关性分析，确定光辐照度、环境温度以及湿度为光伏发电功率的关键气象影响因素，继而使用改进的自适应白噪声完备集成经验模态分解(Improved Complete Ensemble Empirical Mode Decomposition with Adaptive Noise，ICEEMDAN)对历史光伏功率和气象因素进行分解，降低其复杂度和随机波动性，并利用动态时间弯曲(Dynamic Time Warping，DTW)算法确定每个光伏功率子序列的输入特征向量。其次，对最小二乘支持向量机(Least Squares Support Vector Machine，LSSVM)在建模过程中的误差进行权重分配，得到加权最小二乘支持向量机(Weighted Least Squares Support Vector Machine，WLSSVM)，其解决了LSSVM模型鲁棒性低的缺陷。最后，通过改进黏菌算法(Improve Slime Mould Algorithm，ISMA)对WLSSVM进行参数优化，搭建ISMAWLSSVM预测模型，并在多种不同天气类型下进行光伏发电功率预测仿真实验。实验证明：相比EOSSAELM预测模型，该模型的RMSE在晴天、多云和雨天分别降低了57.4%、57.5%和52.5%。

来源：2023年第9期

《热能动力工程》期刊编辑部

查看热能动力工程杂志2023年第9期