基于改进金枪鱼算法优化ELM模型的光伏功率预测

作者：胡丹; 杨书恒

来源：武汉理工大学学报, 2022, 44(08): 97-104.

• 光伏系统
• 最大功率点
• 金枪鱼算法
• 极限学习机

针对最大功率点跟踪（maximum power point tracking,MPPT）技术在局部荫遮条件下不能精确找到最大功率点的问题，提出一种改进金枪鱼算法（tuna swarm optimization,TSO）结合极限学习机（extreme learning machine,ELM）的光伏功率预测模型。首先，通过改进线性权重系数、建立高斯变异-最优领域机制策略对TSO进行联合改进，平衡全局勘探和局部开发过程，进一步增强算法跳出局部最优的能力。其次，基于改进TSO算法对ELM的相关参量进行寻优，构建光伏功率预测模型。仿真结果表明，与其他标准优化算法相比，ITSO在4个经典基准函数上表现出更优的寻优精度和收敛速度；与ELM、PSO-ELM、WOA-ELM以及TSO-ELM模型相比，ITSO-ELM在预测光伏功率时具有最高的精度，平均绝对误差为0.032 5，验证了所提出模型的有效性。

• 单位
  武汉理工大学