基于CNN-VMD-PCA特征融合的光伏发电功率预测研究

摘要：

为了较为准确地预测光伏发电功率,提出一种特征融合的功率预测模型.模型首先使用一维卷积神经网络(1-dimensional convolutional neural network,1D-CNN)提取光伏光电数据深度特征,然后用变分模态分解方法(Variational mode decomposition,VMD)分解数据原特征,再把分解后的特征和深度特征融合,用主成分分析法(Principal component analysis,PCA)提取融合后特征的主成分,最后用Xgboost(Extreme gradient boost,Xgboost)模型进行功率预测.根据对所提模型的实测评估,并与其他预测模型对比,得出基于CNN-VMD-PCA特征融合的预测模型具有较高预测精度,其拟合优度达0.932,能够得到更可靠的功率预测结果.

关键词：变分模态分解、卷积神经网络、主成分分析法、光伏发电功率预测

所属期刊栏目：43

分类号：TM615(发电、发电厂)

资助基金：国家自然科学基金52166001

在线出版日期：2023-03-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：18-23,30