关键词:
光伏功率预测
多模态扰动
鲸鱼优化算法
集成学习
摘要:
光伏发电量受太阳辐射和其他气象因素的影响,会呈现出显著的随机性和不稳定性,单一预测模型在面对这种变化多端的数据集时,往往难以保持较高的预测准确性,因此,提出了一种基于多模态扰动(MP)的集成短期光伏功率预测新框架。首先,采用皮尔逊相关系数筛选原始数据的输入特征,减少数据冗余;其次,为了保证集成的有效性,通过MP机制对数据集和基础学习器施加扰动,通过采用不同分辨率的异构基础学习器来确保模型多样性;为了使每个基础模型具有更高的预测精度,利用改进的鲸鱼算法确定模型的超参数组合,提升每个基础模型的预测性能;最后,集成各模型的预测结果得到最终的预测输出。利用实际光伏电站数据对模型进行了全面的分析和评估,结果表明,该模型能够有效提高光伏输出功率预测精度。