公开(公告)号：CN113761777A

公开(公告)日：2021-12-07

申请号：CN202110990019.5

申请日：2021-08-26

Applicant: 上海电力大学

Inventor： 王育飞 ,  杨启星 ,  薛花 ,  张宇华

IPC: G06F30/25 ,  G06F30/27 ,  G06F17/16 ,  G06N3/00 ,  G06N3/04 ,  G06N3/08 ,  G06F111/04 ,  G06F119/06

Abstract: 本发明涉及一种基于HP‑OVMD的超短期光伏功率预测方法，包括：采用HP滤波方式，从数据归一化后的历史光伏数据序列中筛选得到趋势序列和波动序列；针对波动序列，利用中心频率法确定VMD分解的模态分量，再基于残差分量最小化原则，采用粒子群算法确定OVMD的惩罚因子α及保真度系数τ，以将波动分量分解成一系列相对平稳的限带内禀模态函数；分别对趋势序列以及一系列限带内禀模态函数进行相空间重构，结合粒子群算法对情绪神经网络内部关键参数进行寻优，以构建得到光伏功率预测模型；获取当前实际光伏功率时间序列，将对应的相空间重构矩阵输入光伏功率预测模型中，得到光伏功率预测值。与现有技术相比，本发明能够有效提高光伏功率预测的精度及稳定性。

公开(公告)号：CN113761777B

公开(公告)日：2023-09-26

申请号：CN202110990019.5

申请日：2021-08-26

Applicant: 上海电力大学

Inventor： 王育飞 ,  杨启星 ,  薛花 ,  张宇华

IPC: G06F30/25 ,  G06F30/27 ,  G06F17/16 ,  G06N3/006 ,  G06N3/04 ,  G06N3/08 ,  G06F111/04 ,  G06F119/06

Abstract: 本发明涉及一种基于HP‑OVMD的超短期光伏功率预测方法，包括：采用HP滤波方式，从数据归一化后的历史光伏数据序列中筛选得到趋势序列和波动序列；针对波动序列，利用中心频率法确定VMD分解的模态分量，再基于残差分量最小化原则，采用粒子群算法确定OVMD的惩罚因子α及保真度系数τ，以将波动分量分解成一系列相对平稳的限带内禀模态函数；分别对趋势序列以及一系列限带内禀模态函数进行相空间重构，结合粒子群算法对情绪神经网络内部关键参数进行寻优，以构建得到光伏功率预测模型；获取当前实际光伏功率时间序列，将对应的相空间重构矩阵输入光伏功率预测模型中，得到光伏功率预测值。与现有技术相比，本发明能够有效提高光伏功率预测的精度及稳定性。