基于CEEMDAN-LSSVM-ARIMA模型的短期光伏功率预测

摘要

为提高光伏发电功率的预测精度,提出一种结合自适应白噪声完备集成经验模态分解(CEEMEDAN),最小二乘支持向量机(LSSVM)和差分自回归移动平均模型(ARIMA)的短期光伏功率预测方法。首先通过CEEMDAN将光伏功率序列分解成不同的子序列,以弱化非平稳特征对功率预测的影响;利用增量搜索法改进LSSVM,使模型能够自适应选择适合的输入特征,对子序列分别建立改进LSSVM预测模型,求和重构各子序列预测值得初步预测值;为进一步提高预测精度,分析误差序列特性,视误差序列为时间序列,建立ARIMA误差修正模型;最后叠加误差预测值和初步预测值为最终预测结果。以江苏某光伏电站实际数据进行算例分析,结果表明:所提方法是有效的。