基于SOM-FCM和KELM组合方法的短期光伏功率预测(英文)

作者：刘齐波; 李军^*

来源：Journal of Measurement Science and Instrumentation, 2023, 1-12.

• 光伏发电
• 预测
• 自组织映射神经网络
• 区域建模方法
• 优化的核极限学习机方法

为了提高短期光伏发电预测的精度，本文提出了一种将聚类后的自组织映射网络(SOM)与优化的核极值学习机(KELM)方法相结合的混合预测模型。首先，利用SOM来完成训练数据集的初始划分，然后模糊c均值(FCM)对训练好的SOM网络进行聚类操作，同时利用Davies-Bouldin指数(DBI)来确定最佳聚类的大小。最后，在每个数据分区中，通过结合差分演化算优化的KELM方法以建立区域KELM模型，或者结合最小二乘估计的多元线性回归(MR)方法来构建区域MR模型。此外，本文还提出了基于SOM的不同的局部多元回归模型。为了验证所提出方法的预测性能，将所提出的模型用于GEFCOM2014提供的三种不同太阳能发电厂的提前一小时PV功率预测实例。通过误差度量结果发现，与其他对比模型相比，由所提出模型得到的预测的平均绝对误差(MAE)平均降低了61.41%在电站1，60.19%在电站2，58.92%在电站3；均方根误差(RMSE)平均降低了52.06%在电站1，54.56%在电站2，51.43%在电站3，结果证明所提出模型的预测精度得到大幅改进。

• 单位
  兰州交通大学