基于数据分解与重构的光伏发电功率超短期预测

来源：机械与电子杂志2022年第04期北京时间：

作者：徐先峰;郑少杰;赵依;王世鑫;蔡路路

单位：长安大学电子与控制工程学院,陕西 西安 710064

摘要：为进一步提高光伏发电超短期预测的精度,以数据分解重构和深度学习技术为依托,提出一种基于 CEEMDAN-DBN-Seq2Seq 的光伏发电功率超短期预测方法。首先利用具有自适应噪声的完整经验模态分解算法( CEEMDAN )将原始发电数据分解成在时域内特征更加明显的模态函数序列,以提取发电序列在时间尺度上的特征;随后引入影响光伏出力的主要气象因素,利用深度信念网络( DBN )对重构后的高、低频分量和序列对序列( Seq2Seq )方法对残差分量进行预测。实验表明,所提模型在光伏发电预测研究中精确度更高。

关键词：信号处理;深度学习;深度信念网络;序列到序列算法;组合模型

基金资助：长安大学中央高校基本科研业务费专项资金资助( 300102321504 ,300102321501 ,300102321503 );西安市智慧高速公路信息融合与控制重点实验室( ZD13CG46 );陕西省重点研发计划( 2021GY-098 )