融合聚类及随机配置网络的短期光伏功率预测

作者：韩莹; 朱宏宇; 李琨^*

来源：电子测量与仪器学报, 2023, 37(11): 205-216.

DOI：10.13382/j.jemi.B2306692

• 光伏功率预测
• 融合聚类
• 北方苍鹰优化算法
• 莱维飞行策略
• 变分模态分解
• 随机配置网络

为了降低天气因素对光伏发电功率的输出值预测精度的影响，从聚类分析和信号分解两方面入手，提出了一种融合聚类算法(KDGMM),改进的变分模态分解(VMD)与随机配置网络(SCN)的预测模型。首先通过KDGMM聚类将气象数据划分成晴天、阴天和雨天，针对阴天难以准确预测的问题，采用灰色关联度分析(GRA)选择相似日，其次引入莱维飞行北方苍鹰优化算法(LNGO)优化VMD得到最优参数，从而降低阴天光伏功率的非平稳性。最后构建SCN预测模型对光伏功率数据进行预测，输出其预测结果。通过实验分析，所提方法的均方根误差(RMSE)和平均绝对百分比误差(MAPE)仅为1.44和1.3%,拟合优度指标R2高达0.99,与其他预测方法相比，本文所提方法有较高的预测精度。

• 单位
  辽宁工程技术大学