文献类型：期刊文献

中文题名：基于极限学习机分位回归的光伏出力区间预测方法

英文题名：PV Output Interval Forecasting Method Based on QRELM Algorithm

作者：林兴宇 肖迎群 张苏

第一作者：林兴宇

机构：[1]贵州大学电气工程学院,贵州贵阳550025;[2]贵州理工学院大数据学院,贵州贵阳550003

第一机构：贵州大学电气工程学院,贵州贵阳550025

年份：2023

卷号：41

期号：6

起止页码：3-9

中文期刊名：机械与电子

外文期刊名：Machinery & Electronics

收录：CSTPCD

基金：贵州省科技支撑项目(黔科合支撑[2021]一般365)。

语种：中文

中文关键词：太阳能;预测;主成分分析;分位数回归;极限学习机

外文关键词：solar energy;forecasting;principal component analysis;quantile regression;ELM

摘要：提出一种基于极限学习机分位数回归算法(QRELM)并考虑季节特性的短期光伏出力区间预测模型。首先以光伏出力与经过主成分分析(PCA)降维的气象因子组成QRELM输入样本,学习内在规律并生成不同分位水平分位数;进一步以综合评价指标为目标函数,使用改进的差分进化算法(DE)对不同分位数线性加权组合得到预测区间上下界,实现对光伏出力区间的单步超前预测。实验证明,相比传统神经网络算法,分季节训练QRELM模型、PCA与DE组合算法可以有效提高预测区间性能。
A short-term PV output interval prediction model based on extreme learning machine quantile regression algorithm(QRELM)is proposed.Firstly,the QRELM input samples were composed of PV output and meteorological factors reduced by principal component analysis(PCA)to solve the quantiles of different quantile levels.Further,with the comprehensive evaluation index as the objective function,the improved differential evolution algorithm(DE)was used for quantile linear weighted combination to obtain the upper and lower bounds of the prediction interval,so as to realize the one-step-ahead forecasting of PV output interval.Experiments show that compared with the traditional neural network algorithm,seasonal classification,PCA and DE combined algorithm can effectively improve the prediction interval performance.