典型文献
基于EEMD-LSTM方法的光伏发电系统超短期功率预测
文献摘要：
为提高光伏发电系统功率超短期预测的准确性,提出一种基于EEMD-LSTM的光伏电站超短期预测模型.该模型选取某50 MW光伏电站2017年功率数据作为样本,根据天气因素分类指标将天气情况分为非突变天气和突变天气两大类,利用EEMD将分类天气的历史功率数据分解为IMF1～IMF5和剩余分量,计算各个分量与原始数据之间的相关性并将强相关的分量送入LSTM神经网络,叠加各子分量结果得到最终的光伏功率预测结果,同步搭建BP、SVM、KNN和LSTM模型与所提模型进行误差对比.结果表明:天气因素对光伏输出功率有较大影响;单一模型对功率波动较大的突变天气进行预测时会产生较大误差;功率数据经过EEMD分解,可充分提取细节特征,使得EEMD-LSTM耦合模型较LSTM模型在eRMSE、eMAPE、eTIC上分别提升21.23％、11.92％、25.67％.所提模型可有效提高光伏功率超短期预测的准确度,满足光伏发电系统超短期预测的要求.
文献关键词：
光伏发电;超短期;功率预测;模态分解
中图分类号：
作者姓名：
卢忠山;袁建华
作者机构：
三峡大学电气与新能源学院,湖北宜昌443002
文献出处：
引用格式：
[1]卢忠山;袁建华-.基于EEMD-LSTM方法的光伏发电系统超短期功率预测)[J].中国测试,2022(12):125-132
A类：
IMF5,eRMSE,eMAPE,eTIC
B类：
EEMD,光伏发电系统,超短期功率预测,超短期预测,光伏电站,模型选取,MW,天气因素,分类指标,天气情况,变天,两大类,数据分解,IMF1,原始数据,送入,光伏功率预测,KNN,光伏输出功率,功率波动,分提,细节特征,耦合模型,模态分解
AB值：
0.229586
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
