基于SSA-ELM模型的波浪能发电功率短期预测分析.pdfVIP

总第238期现代工业经济和信息化Total238

2024年第4期ModernIndustrialEconomyandInformationizationNo.4,2024

实践探索DOI:10.16525/ki.14-1362/n.2024.04.087

基于SSA-ELM模型的波浪能发电功率短期预测分析

徐思文，赵家伟

（辽宁工程技术大学电气与控制工程学院，辽宁葫芦岛125000）

摘要：提出基于麻雀有哪些信誉好的足球投注网站算法优化极限学习机的波浪能发电功率组合预测系统，利用SSA-ELM(麻雀有哪些信誉好的足球投注网站算法优

化极限学习机)模型,根据风向、风速、温度以及气压等气象数据，进行波高的短期预测。在此基础上，针对自参考点

吸收式波浪能发电装置构建了发电功率的数学模型。通过模型预测效果分析，验证了该波浪能发电功率预测模型的

稳定性与可行性。

关键词：波浪能；预测；极限学习机；麻雀有哪些信誉好的足球投注网站算法

中图分类号：TM612文献标识码：A

0引言2)跟随者的位置变化由式(2)给出：

随着全球化石能源不断枯竭、生态环境恶化，发X-X.-i

Q·exp12,im

展海洋能已经成为新一轮国际竞争的战略制高点。波X2(2）

浪能作为一种分布广泛、发电形式灵活的海洋能被广(x+|x-x1,其他

泛研究[1]。然而，波浪能的不稳定性造成发电装置输式中：Tmx为预设的最大迭代次数;X。为在送代t次

出功率波动性较大,准确的波浪能功率预测能够帮助时,第i只麻雀在第j维度中的方位;αe（0,1]的随机

电力系统有效应对输出功率的波动。周能萍等[提出值;SC［0.5,1]的随机值为安全值;在步骤1中R2E

了一种结合风－浪和灰色模型的组合预测方法，将预[0,1]代表预警值。Q为一遵循标准正态分布的随机

测波浪结果代入直驱式波浪能发电系统模型中，得到值;P为每个元素都为1的矩阵；X。与X为当前全局

其预测输出功率。朱寿建等[3]则采用一种浪涌分离之中麻雀的最优和最差方位;A+=AT（AAT）1,A为全部

后与时间序列法ARIMA结合进行短期的浪能预测。元素，随机赋值为1或-1的矩阵，C为所有元素随机

这两种方法主要关注风力与海浪之间的能量转换,却为1或-1的矩阵。

未充分考虑温度和气压等其他环境因素。张明宇等[]3)侦察者位置更新可以描述如下：

建立了基于LSTM-BP的波浪能发电功率预测模型，[Xi]=Xi+β|x.-X:/,f;f.

专注于海面波浪能发电功率的超短期预测。黄逸等[5]X+KIX.-X,f=f(3)

基于激励力预估优化了直驱式波浪发电装置的波浪(fi-fw)+e

能转换率。本文提出了一种利用麻雀有哪些信誉好的足球投注网站算法对极限式中：β为一个步长调控参数，遵循标准正态分布；

K［-1,1］为一个麻雀行动路径的随机数;fiE［fw,f]

学习机模型进行优化的波浪能发电功率预测方法。首

为第i只麻雀的适应性数值；fw为当前最差方位标定

先,建立SSA-ELM模型,之后根据风向、风速、温度和

气压等气象数据预测每样本点波高，通过将预测结果的适应性数值;f.为最佳方位标定的适应性数值；e作

代人自参考点吸收式波浪能发电系统的波高－功率为一个无限趋近于0且不等于0的常数。