热能动力工程

作者：李 斌，张一凡，颜世烨，叶季蕾

单位：南京工业大学 能源科学与工程学院，江苏 南京 211816,,南京工业大学 能源科学与工程学院，江苏 南京 211816,,南京工业大学 能源科学与工程学院，江苏 南京 211816,,南京工业大学 能源科学与工程学院，江苏 南京 211816,

关键词：皮尔逊相关系数法;ELM模型;遗传算法;GA-ELM预测模型;误差评价指标

基金：南京工业大学 能源科学与工程学院，江苏 南京 211816

提升光伏发电预测的准确性有助于电网的调度管理和经济运行，其关键在于建立高效适用的预测模型。首先采用皮尔逊（Person）相关系数法对影响光伏出力的主要因素进行筛选，确立预测模型的输入特征向量；提出了一种融合Person相关系数法与遗传算法（GA）优化的ELM混合预测模型，并对预测模型中随机生成的参数进行了优化；以某一光伏电站的历史数据为研究对象，采用GA-ELM预测模型对预处理后的数据进行训练和测试，基于模型开展了四个季节典型日的光伏发电功率预测。结果表明：混合预测模型比单一的ELM预测模型和Person相关系数与ELM混合的预测模型的预估偏差率分别降低了19.2%和4.3%，验证了本文模型具有更高的准确性和稳定性。

来源：2022年第10期

《热能动力工程》期刊编辑部

查看热能动力工程杂志2022年第10期