基于相似日与VMD-DBO-KELM的分布式光伏发电功率预测方法

作     者：方朝雄 郑洁云 张章煌 陈若晨 周霞 王子博 

作者机构：国网福建省电力有限公司经济技术研究院 南京邮电大学碳中和先进技术研究院 

出 版 物：《高电压技术》 (High Voltage Engineering)

年 卷 期：2025年

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0807[工学-动力工程及工程热物理] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国网福建省电力有限公司重点科技项目(52130N23000Z) 

主　　题：分布式光伏发电 功率预测 蜣螂优化算法 核极限学习机 迭代自组织数据分析算法 变分模态分解 

摘      要：为了降低气象因素对分布式光伏发电功率预测精度的影响，提出一种基于相似日与变分模态分解(variational mode decomposition， VMD)，结合蜣螂算法优化核极限学习机(dung beetle optimizer kernel extreme learning machine，DBO-KELM)的分布式光伏发电功率预测方法，首先采用改进的迭代自组织数据分析算法(iterative self-organizing data analysis techniques algorithm，ISODATA)将历史分布式光伏发电功率数据划分为不同的相似日类，然后通过变分模态分解将光伏发电功率序列分解为不同的模态分量，并将其输入采用蜣螂优化算法优化的核极限学习机预测模型中，对每个分量分别进行预测，再对预测分量进行重构，进而实现基于VMD-DBO-KELM的高精度分布式光伏发电功率预测。最后采用某分布式光伏站点实测数据进行算例分析，结果表明：所提方法在不同相似日下都具有较高的预测精度，具有较强的适应性。