基于改进LSSVM的太阳辐射量预测

被引：12

作者：

张东寅 ^{[1
]}

吴小涛 ^{[2
]}

袁晓辉 ^{[2
]}

袁艳斌 ^{[3
]}

许汉平 ^{[1
]}

机构：

[1] 国网湖北省电力公司经济技术研究院

[2] 华中科技大学水电与数字化工程学院

[3] 武汉理工大学资源与环境工程学院

来源：

水电能源科学 | 2017年 / 35卷 / 09期

关键词：

太阳辐射量短期预测; 变分模态分解; 最小二乘支持向量机; 粒子群优化;

D O I：

10.20040/j.cnki.1000-7709.2017.09.053

中图分类号：

TM615 [太阳能发电]; TP18 [人工智能理论];

学科分类号：

080811 [新能源发电与电能存储]; 140502 [人工智能];

摘要：

为准确预测太阳辐射量,提出一种基于变分模态分解和粒子群优化算法的最小二乘支持向量机组合预测模型。针对太阳辐射量序列具有不稳定性的特点,首先利用变分模态分解将历史太阳辐射量数据分解成一系列相对稳定的分量序列,再应用粒子群优化最小二乘支持向量机参数,以预测各分量序列,将各分量太阳辐射量预测值集成,从而得到最终太阳辐射量预测值。实例分析和对比研究表明,该模型预测太阳辐射量有效可行,具有较高的预测精度。研究成果可为太阳辐射量预测提供参考。

引用

页码：205 / 208

页数：4