基于CNN-GRU-ISSA-XGBoost的短期光伏功率预测

来源：南京信息工程大学学报·自然科学版杂志2024年第2期北京时间：

作者：岳有军，吴明沅，王红君，赵辉

单位：岳有军,天津理工大学 天津市新能源电力变换传输与智能控制重点实验室,天津, 300384,吴明沅,天津理工大学 天津市新能源电力变换传输与智能控制重点实验室,天津, 300384,wmy19990528@163.com王红君,天津理工大学 天津市新能源电力变换传输与智能控制重点实验室,天津, 300384,赵辉,天津理工大学 天津市新能源电力变换传输与智能控制重点实验室,天津, 300384

摘要：针对光伏功率随机性及波动性大,单一预测模型往往难以准确分析历史数据波动规律,从而导致预测精度不高的问题,提出一种基于卷积神经网络-门控循环单元(CNN-GRU)和改进麻雀搜索算法(ISSA)优化的极限梯度提升(XGBoost)模型的短期光伏功率预测组合模型.首先去除历史数据中的异常值并对其进行归一化处理,利用主成分分析法(PCA)进行特征选取,以便更好地识别影响光伏功率的关键因素.然后采用CNN网络提取数据的空间特征,再经过GRU网络提取时间特征,针对XGBoost模型手动配置参数困难、随机性大的问题,利用ISSA对模型超参数寻优.最后对两种方法预测的结果用误差倒数法减小误差的同时对权重进行更新,得到新的预测值,从而完成对光伏功率的预测.实验结果表明,所提出的CNN-GRU-ISSA-XGBoost组合模型具有更强的适应性和更高的精度.

关键词：光伏功率预测;改进麻雀搜索算法;卷积神经网络;门控循环单元;XGBoost模型

基金资助：天津市自然科学基金重点项目(08JCZDJC18600);天津市教委重点基金项目(2006ZD32)