基于ICEEMDAN-DTW和ISMA-WLSSVM的光伏发电功率预测

作者：王瑞; 王英洲; 逯静

来源：热能动力工程, 2023, 38(09): 131-140.

DOI：10.16146/j.cnki.rndlgc.2023.09.016

• 光伏功率预测
• 动态时间弯曲算法
• 黏菌算法
• 加权最小二乘支持向量机
• ICEEMDAN

为了提高光伏发电功率预测精度，建立了基于ICEEMDAN-DTW和ISMA-WLSSVM的光伏发电功率超短期组合预测模型。首先，根据Pearson相关性分析，确定光辐照度、环境温度以及湿度为光伏发电功率的关键气象影响因素，继而使用改进的自适应白噪声完备集成经验模态分解(Improved Complete Ensemble Empirical Mode Decomposition with Adaptive Noise, ICEEMDAN)对历史光伏功率和气象因素进行分解，降低其复杂度和随机波动性，并利用动态时间弯曲(Dynamic Time Warping, DTW)算法确定每个光伏功率子序列的输入特征向量。其次，对最小二乘支持向量机(Least Squares Support Vector Machine, LSSVM)在建模过程中的误差进行权重分配，得到加权最小二乘支持向量机(Weighted Least Squares Support Vector Machine, WLSSVM),其解决了LSSVM模型鲁棒性低的缺陷。最后，通过改进黏菌算法(Improve Slime Mould Algorithm, ISMA)对WLSSVM进行参数优化，搭建ISMA-WLSSVM预测模型，并在多种不同天气类型下进行光伏发电功率预测仿真实验。实验证明：相比EOSSA-ELM预测模型，该模型的RMSE在晴天、多云和雨天分别降低了57.4%、57.5%和52.5%。

• 出版日期2023
• 单位河南理工大学; 自动化学院