基于数据分解与重构的光伏发电功率超短期预测

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

所属期刊栏目：40

分类号：TM615(发电、发电厂)

资助基金：长安大学中央高校基本科研业务费专项;长安大学中央高校基本科研业务费专项;长安大学中央高校基本科研业务费专项;西安市智慧高速公路信息融合与控制重点实验室;陕西省重点研发计划

在线出版日期：2022-05-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：20-25