基于ICEEMDAN-KPCA-ICPA-LSTM的光伏发电功率预测

来源：动力工程学报杂志2025年第3期北京时间：

作者：姚钦才, 向文国, 陈时熠, 曹敬, 郑涛,

摘要：光伏发电预测对于新型电力系统的平稳运行至关重要。针对光伏发电短期预测,提出了一种融合改进的完全自适应噪声集合经验模态分解(ICEEMDAN)、核主成分分析(KPCA)和改进的食肉植物算法(ICPA)与长短期记忆网络(LSTM)的光伏发电预测方法。首先,该方法通过ICEEMDAN提取气象数据中非线性信号的隐含特征;其次,采用核主成分分析降低分解后产生的冗余信息,并根据主成分贡献率大小选取模型输入参数;最后,对食肉植物算法(CPA)进行改进,构建ICPA-LSTM模型,并开展了晴天、雨天、多云和多变天气4种典型天气类型下光伏发电功率预测校验。结果表明:在不同天气情况下,所提模型的决定系数R2均大于99%,相较于对照模型具有更好的预测性能。

关键词：光伏发电预测,ICEEMDAN,长短期记忆网络,食肉植物算法,核主成分分析,