基于EEMD-SVM方法的光伏电站短期出力预测

被引：238

作者：

茆美琴

龚文剑

张榴晨

曹雨

徐海波

机构：

[1] 教育部光伏系统工程研究中心(合肥工业大学)

来源：

中国电机工程学报 | 2013年 / 33卷 / 34期

关键词：

集合经验模态分解; 支持向量机; 光伏电站; 短期预测; 组合预测模型;

D O I：

暂无

中图分类号：

TM615 [太阳能发电];

学科分类号：

080811 [新能源发电与电能存储];

摘要：

针对光伏电站日前小时短期出力预测问题,提出一种基于集合经验模态分解(ensemble empirical mode decomposition,EEMD)和支持向量机(support vector machines,SVM)的EEMD-SVM组合模型预测方法。该方法将天气类型分为突变天气和非突变天气。首先采用EEMD分解法将历史光伏电站小时出力数据分解为一系列相对平稳的分量序列,对不同的天气类型考虑不同的气象因素,然后采用SVM法对所分解的各分量序列分别建立预测模型,选用不同的核函数和参数以取得单个分量序列的最佳预测精度。算例结果表明,分类建模思想和EEMD-SVM组合预测法能够使突变天气预测结果的平均绝对百分比误差减少5%,非突变天气的减少3%。

引用

页码：17 / 24+5 +5

页数：9

共 13 条

[1]

基于神经网络与关联数据的光伏电站发电功率预测方法 [J].

王飞 ;

米增强 ;

杨奇逊 ;

赵洪山 .

太阳能学报, 2012, 33 (07) :1171-1177

[2]

一种综合ANFIS和PCA的光伏发电功率预测新方法 [J].

郑凌蔚 ;

刘士荣 ;

毛军科 ;

谢小高 .

太阳能学报, 2012, 33 (06) :993-1001

[3]

基于天气类型聚类识别的光伏系统短期无辐照度发电预测模型研究 [J].

代倩 ;

段善旭 ;

蔡涛 ;

陈昌松 ;

陈正洪 ;

邱纯 .

中国电机工程学报, 2011, 31 (34) :28-35

[4]

基于模糊识别的光伏发电短期预测系统 [J].

陈昌松 ;

段善旭 ;

蔡涛 ;

代倩 .

电工技术学报, 2011, 26 (07) :83-89

[5]

基于马尔可夫链的光伏发电系统输出功率短期预测方法 [J].

丁明 ;

徐宁舟 .

电网技术, 2011, 35 (01) :152-157

[6]

基于神经网络的光伏阵列发电预测模型的设计 [J].

陈昌松 ;

段善旭 ;

殷进军 .

电工技术学报, 2009, 24 (09) :153-158

[7]

基于支持向量机回归的光伏发电出力预测 [J].

栗然 ;

李广敏 .

中国电力, 2008, (02) :74-78

[8]

短期负荷预测中支持向量机模型的参数选取和优化方法 [J].

谢宏 ;

魏江平 ;

刘鹤立 .

中国电机工程学报, 2006, (22) :17-22

[9]

基于支持向量回归的时间序列预测 [J].

杨金芳 ;

翟永杰 ;

王东风 ;

徐大平 .

中国电机工程学报, 2005, (17) :110-114

[10]

The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis[J] Huang Norden E.;Shen Zheng;Long Steven R.;Wu Manli C.;Shih Hsing H.;Zheng Quanan;Yen Nai-Chyuan;Tung Chi Chao;Liu Henry H. Proceedings of the Royal Society A: Mathematical; Physical and Engineering Sciences 1998,

← 1 2 →