《应用数学学报》
文章摘要:本文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,再使用VMD对每一类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。通过实例证明,该模型的预测精度有所提升。
文章关键词:k-means聚类,变分模态分解,灰狼优化算法,Elman神经网络,短期光伏功率预测,
项目基金:国家自然科学基金项目(51867020),内蒙古自治区自然科学基金(2020BS05002),内蒙古科技计划项目(201802030),