考虑时频耦合的改进DELM短期光伏功率预测

作者：王瑞; 靳鑫鑫; 逯静^*

来源：控制工程, 2023, 1-10.

DOI：10.14107/j.cnki.kzgc.20230347

• 最优多元变分模态分解
• 改进哈里斯鹰算法
• 深度极限学习机
• 功率预测

针对光伏功率随机性强等特点造成的光伏功率难以预测问题，提出了一种基于最优多元变分模态分解(optimal multivariate variational mode decomposition， OMVMD)以及多策略改进哈里斯鹰算法(multi-strategy improved harris hawk optimizer， MHHO)优化深度极限学习机(deep extreme learning machine， DELM)的光伏功率组合预测方法，简称为POMD模型。首先通过特征选择确定对原始功率贡献值大的气象特征，并将排列熵作为适应度函数，采用改进的哈里斯鹰算法求解MVMD算法的最优参数；然后，将重要特征与实际功率采用OMVMD算法进行同步分解，提高多通道数据融合处理能力，得到若干个子序列，最后利用MHHO算法获取DELM网络输入层的最优权重和偏置，搭建光伏功率预测模型，用特征分量来预测功率分量，以实现同频平稳预测的目标。实验结果表明，在三种天气条件下，POMD模型较其他组合方法而言，预测精度更高，拟合效果更好。

• 单位
  河南理工大学