逆向云灰色关联相似日的EEMD-RL-GWO-LSTM区域风光功率短期预测

作     者：张宇华 时鑫洋 颜楠楠 王育飞 薛花 Zhang Yuhua;Shi Xinyang;Yan Nannan;Wang Yufei;Xue Hua

作者机构：上海电力大学电气工程学院上海200090 复旦大学类脑智能科学与技术研究院上海200433 国网华东电力试验研究院上海200437 

基　　金：上海市科委地方院校能力建设计划(22010501400) 

出 版 物：《太阳能学报》 (Acta Energiae Solaris Sinica)

年 卷 期：2024年第45卷第10期

页      码：144-152页

摘      要：针对现有方法在风光预测时气象因素考虑不全面且未考虑风光功率关联性的问题,提出一种风光功率短期预测方法。首先,以云模型表征风光出力不确定性,逆向云结合灰色关联度分析不同气象特征对输出功率的影响程度,并设立选取标准及综合评分指标;其次,采用集合经验模态分解(EEMD)将选取相似日的功率数据分解为子序列;最后,将子序列和气象数据作为基于折射学习策略(RL)的灰狼算法(GWO)优化的改进长短期记忆网络(LSTM)模型的预测输入进行训练,对待预测日的子序列分别预测,并叠加得到短期区域风光发电功率的预测。以中国西北某风光联合电场数据为例,对该模型进行验证,结果表明,相比于现有预测模型,该文所提方法考虑了天气因素,具有较高的预测精度,能够较好地为区域风光联合电场的功率预测提供参考。

主 题 词：逆向云灰色关联相似日 集合经验模态分解 RL-GWO-LSTM神经网络 短期风光功率预测 

学科分类：080802[080802] 0808[工学-自动化类] 08[工学] 

核心收录：

D　O　I：10.19912/j.0254-0096.tynxb.2023-0887

馆 藏 号：203147810...