基于K-SVD-OMP和KELM组合方法的短期光伏功率预测（英文）

作者：李军^*; 郑丹阳

来源：Journal of Measurement Science and Instrumentation, 2022, 13(03): 320-328.

• 光伏功率预测
• 稀疏表示
• K-均值奇异值分解算法
• 核极限学习机

针对光伏功率预测，提出一种基于稀疏表示的特征提取建模方法。首先，将所有影响光伏功率预测输出的因素作为模型的输入，将模型输入构成的数据向量作为初始字典，由K-均值奇异值分解（K-mean singular value decomposition,K-SVD）算法进行稀疏分解与变换，得到学习后的字典。其次，由正交匹配追踪（Orthogonal matching pursuit,OMP）算法获取相应的稀疏编码向量，再将其作为核极限学习机（Kernel extreme learning machine,KELM）的模型输入，以构建全局回归模型。为了验证K-SVD-OMP和KELM组合方法的有效性，将所提出的方法应用于光伏功率预测实例中，在相同条件下，与KELM、SVM、ELM等方法进行了比较。实验结果表明，不同的稀疏表示建模组合方法均可以达到好的预测效果，其中K-SVDOMP和KELM的组合方法可以给出更好的预测结果与精度。

• 单位
  兰州交通大学