来源：期刊VIP网 时间：
作者：刘丽桑;郭凯琪;徐哲壮;郭琳;
单位：福建理工大学工业自动化福建省高校工程研究中心;福州大学电气工程与自动化学院;国网福建省供电有限公司永春县供电公司;
摘要：为了提高光伏发电功率的预测精度，在数据挖掘分析基础上提出双模式组合的日前光伏预测方法。首先，利用波动量分析建立输出功率与天气类型之间更精确的匹配模型，将天气划分为简单与复杂2种天气类型。其次，对于简单天气类型，采用K-means聚类分析选取最相似日和XGBoost回归组合的预测模型；对于复杂天气类型，提出基于变分模态分解（variational modal decomposition,VMD）、采用麻雀算法（sparrow search algorithm,SSA）优化极限学习机（extreme learning machine,ELM）的日前光伏预测模型。最后，选用DKASC Alice Spring光伏电站数据集对2种模型进行验证，并进行仿真实验。实验结果显示，使用双模式组合方法构建的光伏发电功率预测模型在春季和夏季2个不同数据集下，相关系数分别达到96.44%和96.61%，比其他4种常用模型具有更高的预测精度。
关键词：光伏功率日前预测;;双模式组合模型;;波动量分析;;变分模态分解;;极限学习机;;麻雀优化算法
基金资助：国家自然科学基金面上项目(编号：61973085);; 福建省自然科学基金项目(编号：2022J01952);; 福建省科技厅高校产学研合作项目(编号：2022H6005)
