基于优化变分模态分解的光伏功率超短期区间预测方法

作     者：李芬 于淏 孙改平 屈爱芳 刘蓉晖 赵晋斌 Li Fen;Yu Hao;Sun Gaiping;Qu Aifang;Liu Ronghui;Zhao Jinbin

作者机构：上海电力大学电气工程学院上海200090 上海师范大学数理学院上海200234 

出 版 物：《太阳能学报》 (Acta Energiae Solaris Sinica)

年 卷 期：2024年第45卷第8期

页      面：367-376页

核心收录：

学科分类：07[理学] 070601[理学-气象学] 08[工学] 0807[工学-动力工程及工程热物理] 0706[理学-大气科学] 

基　　金：国家自然科学基金(12071298) 西藏自治区科技计划(XZ202101ZD0015G) 

主　　题：光伏发电 模态分解 神经网络 长短期记忆 核密度估计 区间预测 

摘      要：针对城市分布式光伏电站在进行超短期功率预测时所需气象资料难以获取,在转折天气下光伏出力不确定性增加的问题,提出一种光伏功率超短期区间预测模型。首先该模型采用麻雀算法优化变分模态分解(VMD),在不同天气下将历史光伏出力分解成多个时序特征强的子模态;其次,通过长短期记忆神经网络LSTM对各子模态分别预测;再次,将各子模态的点预测结果叠加;算例验证结果表明:在各类天气条件下,所提模型相比于单纯使用气象因子的预测方法,具有更高的预测准确度和更强的适应性,同时也能在点预测的基础上提供较为准确的置信区间。