基于极限学习机模型参数优化的光伏功率区间预测技术

TM615; 提出一种基于极限学习机(ELM)模型参数优化的光伏功率区间预测技术.首先,提出加权欧氏距离作为光伏功率预测区间评估指标,筛选历史样本单元并优化ELM训练集;然后,提出ELM参数混合寻优算法,利用精英保留策略遗传算法与分位数回归优化ELM模型隐层输入及输出权重与偏置参数,并采用训练后的模型预测光伏功率区间;最后,基于光伏电站与气象站历史数据构建实际算例,预测光伏功率区间,并与其他方法得到的结果进行对比.算例结果表明:所提方法在增加区间预测可信度的同时,能较大程度提高区间预测准确度....

Full description

Saved in:
Bibliographic Details
Published in上海交通大学学报 Vol. 58; no. 3; pp. 285 - 294
Main Authors 何之倬, 张颖, 郑刚, 郑芳, 黄琬迪, 张沈习, 程浩忠
Format Journal Article
LanguageChinese
Published 国网上海市电力公司青浦供电公司,上海 201700%上海交通大学电力传输与功率变换控制教育部重点实验室,上海 200240 01.03.2024
Subjects
interval prediction
极限学习机
加权欧氏距离指标
extreme learning machine(ELM)
参数优化
光伏功率
区间预测
parameter optimization
weighted Euclidean distance index
photovoltaic(PV)power
Online AccessGet full text
ISSN1006-2467
DOI10.16183/j.cnki.jsjtu.2022.338

Cover

More Information
Summary:TM615; 提出一种基于极限学习机(ELM)模型参数优化的光伏功率区间预测技术.首先,提出加权欧氏距离作为光伏功率预测区间评估指标,筛选历史样本单元并优化ELM训练集;然后,提出ELM参数混合寻优算法,利用精英保留策略遗传算法与分位数回归优化ELM模型隐层输入及输出权重与偏置参数,并采用训练后的模型预测光伏功率区间;最后,基于光伏电站与气象站历史数据构建实际算例,预测光伏功率区间,并与其他方法得到的结果进行对比.算例结果表明:所提方法在增加区间预测可信度的同时,能较大程度提高区间预测准确度.
ISSN:1006-2467
DOI:10.16183/j.cnki.jsjtu.2022.338