河南理工大学电气工程与自动化学院 2. 河南理工大学计算机科学与技术学院
纸质出版:2022
移动端阅览
王瑞, 高强, 逯静. 基于CEEMDAN-LSSVM-ARIMA模型的短期光伏功率预测[J]. 传感器与微系统, 2022,(5):118-122.
基于CEEMDAN-LSSVM-ARIMA模型的短期光伏功率预测[J]. 2022, (5): 118-122.
王瑞, 高强, 逯静. 基于CEEMDAN-LSSVM-ARIMA模型的短期光伏功率预测[J]. 传感器与微系统, 2022,(5):118-122. DOI: 10.13873/J.1000-9787(2022)05-0118-05.
基于CEEMDAN-LSSVM-ARIMA模型的短期光伏功率预测[J]. 2022, (5): 118-122. DOI: 10.13873/J.1000-9787(2022)05-0118-05.
为提高光伏发电功率的预测精度,提出一种结合自适应白噪声完备集成经验模态分解(CEEMEDAN)
最小二乘支持向量机(LSSVM)和差分自回归移动平均模型(ARIMA)的短期光伏功率预测方法。首先通过CEEMDAN将光伏功率序列分解成不同的子序列,以弱化非平稳特征对功率预测的影响;利用增量搜索法改进LSSVM
使模型能够自适应选择适合的输入特征,对子序列分别建立改进LSSVM预测模型,求和重构各子序列预测值得初步预测值;为进一步提高预测精度,分析误差序列特性,视误差序列为时间序列,建立ARIMA误差修正模型;最后叠加误差预测值和初步预测值为最终预测结果。以江苏某光伏电站实际数据进行算例分析,结果表明:所提方法是有效的。
为提高光伏发电功率的预测精度,提出一种结合自适应白噪声完备集成经验模态分解(CEEMEDAN)
最小二乘支持向量机(LSSVM)和差分自回归移动平均模型(ARIMA)的短期光伏功率预测方法。首先通过CEEMDAN将光伏功率序列分解成不同的子序列,以弱化非平稳特征对功率预测的影响;利用增量搜索法改进LSSVM
使模型能够自适应选择适合的输入特征,对子序列分别建立改进LSSVM预测模型,求和重构各子序列预测值得初步预测值;为进一步提高预测精度,分析误差序列特性,视误差序列为时间序列,建立ARIMA误差修正模型;最后叠加误差预测值和初步预测值为最终预测结果。以江苏某光伏电站实际数据进行算例分析,结果表明:所提方法是有效的。
基于EEMD-ACS-LSSVM的短期风电功率预测 [J]. 姜贵敏,陈志军,李笑竹,闫学勤. 太阳能学报 . 2020(05)
基于VMD-SE-LSSVM和迭代误差修正的光伏发电功率预测 [J]. 余向阳,赵怡茗,杨宁宁,岳同耿日,高春阳. 太阳能学报 . 2020(02)
基于VMD-DESN-MSGP模型的超短期光伏功率预测 [J]. 王粟,江鑫,曾亮,常雨芳. 电网技术 . 2020(03)
基于小波包与LSSVM的短期光伏输出功率预测研究 [J]. 杨茂,杨宇. 可再生能源 . 2019(11)
基于CEEMDAN-SE和DBN的短期电力负荷预测 [J]. 岳有军,刘英翰,赵辉,王红君. 电测与仪表 . 2020(17)
基于ARIMA时间序列的分布式光伏系统输出功率预测方法研究 [J]. 赵滨滨,王莹,王彬,宣文博,雷铮,葛磊蛟,徐晓萌. 可再生能源 . 2019(06)
基于CEEMD和随机森林算法的短期风电功率预测 [J]. 刘强,胡志强,周宇,吕朋朋,王金鑫. 智慧电力 . 2019(06)
基于相似日与EPSO LS-SVM的光伏发电功率预测 [J]. 龚尚红,潘庭龙. 传感器与微系统 . 2019(03)
考虑优化ARIMA模型差分次数的风功率预测 [J]. 曹俊波,周任军,邓学华,范文帅,刘利黎,孙嘉赣. 电力系统及其自动化学报 . 2019(01)
SKBA-LSSVM短期光伏发电功率预测模型 [J]. 张彩庆,郑强. 电力系统及其自动化学报 . 2019(08)
基于混沌-RBF神经网络的光伏发电功率超短期预测模型 [J]. 王育飞,付玉超,孙路,薛花. 电网技术 . 2018(04)
基于PNN/PCA/SS-SVR的光伏发电功率短期预测方法 [J]. 王昕,黄柯,郑益慧,李立学,郎永波,吴昊. 电力系统自动化 . 2016(17)
基于EMD-LSSVM的光伏发电系统功率预测方法研究 [J]. 阳霜,罗滇生,何洪英,阳经伟,胡时雨. 太阳能学报 . 2016(06)
光伏发电出力的条件预测误差概率分布估计方法 [J]. 赵唯嘉,张宁,康重庆,王跃峰,李鹏,马烁. 电力系统自动化 . 2015(16)
History and trends in solar irradiance and PV power forecasting: A preliminary assessment and review using text mining [J] . Dazhi Yang,Jan Kleissl,Christian A. Gueymard,Hugo T.C. Pedro,Carlos F.M. Coimbra. Solar Energy . 2018
[J] . .
0
浏览量
778
下载量
6
CSCD
关联资源
相关文章
相关作者
相关机构
京公网安备11010802024621