方朝雄 · 郑洁云 · 张章煌 · 陈若晨 等6人 · 高电压技术 · 2025年7月 · Vol.51

为降低气象因素对分布式光伏发电功率预测精度的影响，提出一种结合相似日划分与变分模态分解（VMD）及蜣螂优化算法优化核极限学习机（DBO-KELM）的预测方法。首先采用改进ISODATA算法对历史发电数据进行相似日聚类；其次利用VMD将功率序列分解为多个模态分量，并分别输入DBO优化的KELM模型进行预测；最后重构各分量得到最终预测结果。基于实测数据的算例分析表明，该方法在不同相似日场景下均具有较高预测精度和良好适应性。

解读: 该VMD-DBO-KELM功率预测方法对阳光电源iSolarCloud智能运维平台具有直接应用价值。通过相似日聚类与变分模态分解技术，可显著提升SG系列光伏逆变器的功率预测精度，优化MPPT算法的前瞻性控制策略。该方法可集成至PowerTitan储能系统的能量管理模块，实现光储协同优化调度，提高ST...