基于VMD-GWO-ELMAN的光伏功率短期预测方法.pdfVIP

第 55 卷 第 5 期 中国电力 Vol. 55, No. 5 2022 年 5 月 ELECTRIC POWER May 2022   基于VMD-GWO-ELMAN 的光伏功率短期预测方法 张娜 ，任强 ，刘广忱 ，郭力萍 ，李静宇1 1 2 2 1 (1. 内蒙古工业大学 电力学院，内蒙古 呼和浩特　010051；2. 内蒙古自治区电能变换传输与控制重点实验室， 内蒙古 呼和浩特　010051)     摘　要： 以进一步提高光伏输出功率短期预测的准确性和可靠性为目标，针对传统Elman神经网络权值和 阈值盲目随机的缺点以及光伏输出功率信号波动性和非平稳性的特点，提出一种基于变分模态分解 （VMD）和灰狼优化算法（GWO）优化Elman神经网络的光伏输出功率短期预测模型。首先，使用K - means算法对原始数据按天气类型进行聚类；然后，使用VMD对每一类型天气光伏输出功率数据进行分 解，分别将各分解子序列输入经GWO优化的Elman神经网络进行光伏输出功率预测；最后，将各预测结 果进行叠加。实例证明：该模型的预测精度有所提升。 关键词：K-means聚类；变分模态分解；灰狼优化算法；Elman神经网络；短期光伏功率预测 DOI ：10.11930/j.issn.1004-9649.202104033       0 引言 分析了影响光伏功率的气象因子，使用思维进化 算法对BP神经网络的权值和阈值进行优化，从 光伏发电作为一种可再生能源，已经在中国 而使光伏输出功率的预测精度有所提升。文献[10] 得到了迅猛的发展。然而因其出力与气象因素相 提出了基于灰狼优化算法（grey wolf optimization, 关性较大，具有随机性和波动性的特征，大规模 GWO）优化多层感知器（multilayer perceptron, [1-2] MLP）的光伏输出功率短期预测模型，针对MLP 光伏电源接入将影响电力系统的稳定运行 。针 对此问题，国内外学者提出对光伏输出功率进行 在初始权值和偏置量中存在随机性的问题，运用 预测以降低其随机性，增加光伏功率的可预测 改进后的GWO算法对MLP 的初始权值和偏置量 [3-6] 进行优化，减小了MLP 随机权值和阈值的误差， 性，从而提高含光伏并网的电力系