基于EMD-AO-DELM的光伏功率预测算法

为提高光伏功率预测精确度，提出一种基于经验模态分解（Empirical Mode Decomposition,EMD）-天鹰优化器（Aquila Optimizer,AO）-深度极限学习机（Deep Extreme Learning Machine,DELM）的组合光伏功率预测模型.该算法对光伏发电影响因素进行分析筛选，选出与光伏输出功率高度相关的因素作为输入变量，并采用经验模态分解（EMD）将光伏原始功率数据分解为多个特征模态函数（Intrinsic Mode Function,IMF）.然后，将分解得到的IMF分量分别输入DELM预测模型，同时通过AO优化算法对DELM初始输入权重进行优化，从而提高深度极限学习机的泛化能力.最后，将各IMF分量预测结果叠加求和得到最终预测结果 .通过仿真结果表明，本文提出的EMD-AO-DELM预测模型，相较于单一DELM模型具有更好的预测精度，证明了所提方法的有效性.