杜 昕，李贵红，李 祥，王 佳

（兰州职业技术学院，甘肃 兰州 730070）

0 引言

光伏充气膜温室发电是农业实现电气化、智能化、绿色化的重要途径之一。但是其系统输出功率由于受太阳辐射强度、天气、电池组件温度以及一些随机因素的影响而具有波动性大、随机性强和不可控等缺陷，特别是在突变天气中表现得尤为突出。因此，这种发电方式在接入温室后必然会对温室机电设备的安全性和稳定性造成冲击，这成为光伏充气膜温室发电广泛应用的阻碍因素之一[1-2]。因而，提高充气膜温室发电系统功率预测的精确度尤为重要，对充气膜温室的经济、安全、稳定运行及维护具有重大意义，也为其合理调度用电提供依据。

光伏充气膜温室发电系统短期功率预测，文献[3-4]先对太阳光的照射强度进行预测，然后借助计算模型或者神经网络并考虑其他因素进行预测；文献[5-6]利用BP神经网络、支持向量机等建立了预测模型。但是以上预测方法，在早、晚以及突变天气状态下，普遍存在预测误差较大等缺点。

本研究针对光伏充气膜温室发电系统短期功率预测，将集合经验模态分解（EEMD）与支持向量机（SVM）相结合，提出了一种EEMD-SVM组合预测法。先根据气象条件将天气分为晴天、多云等5种类型，随后将历史输出功率根据天气类型进行归类并筛选出和待测日气象条件相似日期的数据作为历史数据，利用EEMD将历史数据分解成不同频率的平稳固有模态分量（IMF），最后利用SVM分别建立模型并进行预测。……