其他
【精彩论文】基于VMD-GWO-ELMAN的光伏功率短期预测方法
观点凝练
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。
结论：本文提出了VMD-GWO-Elman预测模型，为了减小Elman初始权值和阈值随机对光伏输出功率预测精确度和准确性的影响，在弥补了Elman初始权值和阈值随机的缺点上，又使用VMD降低了原始序列非平稳性的特点，最终提高了光伏输出功率的预测精度。经真实数据仿真结果表明，与Elman、GWO-Elman、VMD-Elman这3种预测模型相比，本文所建模型的RMSE、MSE、MAE最小，对光伏输出功率短期预测的精度有一定的提升作用，在光伏输出功率短期预测方面有一定的参考意义。
引文信息
张娜, 任强, 刘广忱, 等. 基于VMD-GWO-ELMAN的光伏功率短期预测方法[J]. 中国电力, 2022, 55(5): 57-65.ZHANG Na, REN Qiang, LIU Guangchen, et al. Pv power short-term forecasting method based on VMD-GWO-ELMAN[J]. Electric Power, 2022, 55(5): 57-65.欢迎点击文后“阅读原文”跳转期刊官网，获取更多信息！
往期回顾
◀审核：方彤
根据国家版权局最新规定，纸媒、网站、微博、微信公众号转载、摘编《中国电力》编辑部的作品，转载时要包含本微信号名称、二维码等关键信息，在文首注明《中国电力》原创。个人请按本微信原文转发、分享。欢迎大家转载分享。