基于海洋捕食者算法优化极限学习机的光伏系统发电功率短期预测
刘帅
安徽理工大学电气与信息工程学院 安徽淮南 232000
摘要：为了改善光伏发电系统短期输出功率的预测精度,提出了一 种基于海洋捕食者算法优化极限学习机(marine predator algorithm optimizing limit learning machine,MPA-ELM)算法.首先根据光伏发电原始数据利用皮尔逊相关系数选出影响光伏出力较大的四个特征,然后根据欧式距离选择出与带预测日相近的五天的相似日数据,并将选出的相似日数据归一 化处理.其次,利用选出来的数据分别训练传统极限学习机模型和海洋捕食者优化的极限学习机模型,使得各因素一 光伏功率建立密切的映射关系.最后将训练好的两种模型来预测同一 天的光伏功率出力,并利用平均绝对误差M、均方根误差R和皮尔逊系数R2 来评估模型优劣.仿真结果表明,基于海洋捕食者算法改进极限学习机光伏功率预测的精度更高.这个模型可以帮助电力系统及光伏发电系统的经济调度和优化运行,这对于安全稳定和优化运行具有重要意义.
关键词：海洋捕食者算法极限学习机相似日输出功率预测
论文发表日期：2023-05-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：5( 55-59 )