基于EEMD-LSTM方法的光伏发电系统超短期功率预测

基于EEMD-LSTM方法的光伏发电系统超短期功率预测卢忠山;袁建华
【期刊名称】《中国测试》
【年(卷),期】2022(48)12
【摘要】为提高光伏发电系统功率超短期预测的准确性,提出一种基于EEMD-LSTM的光伏电站超短期预测模型。

该模型选取某50 MW光伏电站2017年功率数据作为样本,根据天气因素分类指标将天气情况分为非突变天气和突变天气两大类,利用EEMD将分类天气的历史功率数据分解为IMF1~IMF5和剩余分量,计算各个分量与原始数据之间的相关性并将强相关的分量送入LSTM神经网络,叠加各子分量结果得到最终的光伏功率预测结果,同步搭建BP、SVM、KNN和LSTM模型与所提模型进行误差对比。

结果表明:天气因素对光伏输出功率有较大影响;单一模型对功率波动较大的突变天气进行预测时会产生较大误差;功率数据经过EEMD分解,可充分提取细节特征,使得EEMD-LSTM耦合模型较LSTM模型在e_(RMSE)、e_(MAPE)、e_(TIC)上分别提升21.23%、11.92%、25.67%。

所提模型可有效提高光伏功率超短期预测的准确度,满足光伏发电系统超短期预测的要求。

【总页数】8页(P125-132)
【作者】卢忠山;袁建华
【作者单位】三峡大学电气与新能源学院
【正文语种】中文
【中图分类】TM615
【相关文献】
1.基于改进神经网络的光伏发电功率\r短期预测方法研究
2.基于LSTM网络的光伏发电功率短期预测方法的研究
3.基于卡尔曼滤波算法的分布式光伏发电短期功率预测方法
4.基于时序动态回归的超短期光伏发电功率预测方法
5.基于迁移学习的光伏发电功率超短期预测方法
因版权原因，仅展示原文概要，查看原文内容请购买。