基于熵理论和改进ELM的光伏发电功率预测

为进一步有效提升光伏发电功率的预测精度,提出一种基于熵理论和改进极限学习机(extreme learning machine,ELM)的光伏发电功率预测方法。分析光伏发电功率的主要影响因素,从熵理论角度出发,综合考虑距离熵和灰关联熵,提出以综合指标选取相似日;以极限学习机学习速度快和泛化能力强的特点为基础,采用L-M(Levenberg-Marquardt)算法修正极限学习机模型参数,获得模型最优网络,提高模型的预测精度。算例结果表明,所提方法可有效提高光伏发电预测精度,预测性能更佳。

基于OS-ELM的光伏发电中长期功率预测

为了进一步提高光伏出力预测的精度,提出了一种基于在线序列极限学习机的光伏发电中长期功率预测方法.结合在线序列极限学习机学习速度快、泛化能力强的特点,通过对大量气象数据和历史发电数据综合处理,对光伏发电系统的输出功率进行预测.同时,由于实时数据的不断输入,该方法能够对预测模型进行在线更新.算例仿真研究表明,该预测方法与反向传播神经网络、支持向量机方法相比,能够有效提高预测精度,满足在线应用的需求,具有较好的应用前景.