基于emd-lssvm的光伏发电系统功率预测方法研究 output power forecast of pv power system based on emd-lssvm model.pdfVIP

第37卷第6期 太阳能学报 V01．37．No．6 2016年6月 ACTAENERGIAESOLARISSINICA Jun．．2016 文章编号：0254．0096(2016)06．1387．09 基于EMD．LSSVM的光伏发电系统功率 预测方法研究 阳 霜， 罗滇生，何洪英，阳经伟， 胡时雨 (湖南大学电气与信息工程学院，长沙410082) 摘要：考虑到光伏发电系统输出功率特性，提出一种将经验分解法(EMD)与最小二乘支持向量机(LSSVM)相结 合的方法对光伏发电系统功率进行预测。首先将历史数据按天气类型分类，利用欧氏距离挑选出待预测日的相似 日数据；然后运用EMD将原始光伏发电系统功率序列分解为不同频率的相对平稳的1MF分量，将信号中存在的不 同尺度波动或趋势逐级分解出来；最后对各IMF的每一时刻分别建立LSSVM预测模型，将各分量对应时刻的预测 值等权值求和得到该时刻最终的光伏发电量。仿真预测结果表明，该方法与单一的LSSVM预测法及小波分解与 LSSVM相结合预测法相比，预测精度得到大幅度的提高。 关键词：光伏发电系统功率预测；经验模式分解(EMD)；最小二乘支持向量机(LSSVM)；欧氏距离；相似日 中图分类号：TM615 文献标识码：A 的预测误差为10％。20％。以上方法用于短期光伏 O 引 言 发电系统功率预测误差较大，特别在早、晚、或在下 光伏发电作为一种理想的可再生能源，它与风 雨的天气条件下，预测精度较低，有时相对均方误 力发电一样，属于波动性和间歇性电源，其输出功 差(RMSE)可高于50％，普遍具有预测精度不高的 率受天气等环境因素的影响，具有很强的随机性。 缺陷。 大规模的光伏并网，会使电力系统的安全、稳定运 EMD作为一种处理非线性、非平稳信号的新方 行及电能质量的保障面临严峻的考验。因此，提高 法，它不需要事先选择基函数，而是根据信号本身 光伏发电系统功率预测的精确度，可降低对电网的 的特点自适应地产生合适的表示函数，这些函数能 不确定性影响、提高系统可靠性、维护电力质量、增 够很好的反映信号的局部特征。5。。鉴于EMD在信 加太阳能发电的渗透水平…。 号处理上的优越性，并且考虑到LSSVM能够实现 一般来说，光伏发电系统功率可以通过太阳辐 模型复杂性和学习能力的最佳结合，具有全局唯一 射强度来间接预测，也可以基于系统的输出来直接 最优解，泛化能力强的特点№1，本文提出一种将 预测。文献[2]利用改进的BP神经网络，将相似日EMD与LSSVM相结合的光伏发电系统功率预测方 输出功率序列、历史气温信息，待预测日气温信息 法。首先将历史数据按天气类型进行分类，利用欧 作为输入变量，建立预测模型，来预测06：00～19：00氏距离挑选出待测日的相似日数据；然后运用EMD 的每小时输出功率平均值。预测结果表明非晴天 将原始光伏发电系统功率序列分解为不同频率的 的误差远大于晴天误差。文献[3]利用ARMA算相对平稳的IMF分量，将信号中存在的不同尺度波 法，根据不同天气类型，对光伏电站出力进行预 动或趋势逐级分解出来；最后针对各IMF的每一时 测。时间序列预测方法适合于线性系统，而对于非 刻分别建立不同的LSSVM预测模型，选取各自的 线性系统，很难找到一个合适的参数估计方法。文 最佳参数和核函数，并对各分量的每一时刻进行预 献[4]应用支持向量机(SVM)建立预测模型，得到测，将各分量对应时刻的预测值等权值求和得到该 收稿日期：2014．05—12 基金项目