您好,欢迎来到中国测试科技资讯平台!
摘要:
针对光伏功率预测,提出一种基于稀疏表示的特征提取建模方法。首先,将所有影响光伏功率预测输出的因素作为模型的输入,将模型输入构成的数据向量作为初始字典,由K-均值奇异值分解(K-mean singular value decomposition,K-SVD)算法进行稀疏分解与变换,得到学习后的字典。其次,由正交匹配追踪(Orthogonal matching pursuit,OMP)算法获取相应的稀疏编码向量,再将其作为核极限学习机(Kernel extreme learning machine,KELM)的模型输入,以构建全局回归模型。为了验证K-SVD-OMP和KELM组合方法的有效性,将所提出的方法应用于光伏功率预测实例中,在相同条件下,与KELM、SVM、ELM等方法进行了比较。实验结果表明,不同的稀疏表示建模组合方法均可以达到好的预测效果,其中K-SVDOMP和KELM的组合方法可以给出更好的预测结果与精度。
关键词: 光伏功率预测;稀疏表示;K-均值奇异值分解算法;核极限学习机;
作者: 李军;郑丹阳
作者单位: 兰州交通大学自动化与电气工程学院
刊名: 《测试科学与仪器》(英文)
Journal: Journal of Measurement Science and Instrumentation
年,卷(期): 2022, (3)
在线出版日期: 2022年09月28日
页数: 9
页码: 320-328