基于EMD-PCA-LSTM的光伏功率预测模型

作者：张雲钦; 程起泽; 蒋文杰; 刘晓峰; 沈亮; 陈泽华^*

来源：太阳能学报, 2021, 42(09): 62-69.

DOI：10.19912/j.0254-0096.tynxb.2019-0817

• 光伏发电
• 主成分分析
• 长短期记忆神经网络
• 经验模态分解
• 光伏功率预测

提高光伏发电功率预测精度,对于保证电力系统的安全调度和稳定运行具有重要意义。本文提出一种经验模态分解(EMD)、主成分分析(PCA)和长短期记忆神经网络(LSTM)相结合的光伏功率预测模型。充分考虑制约光伏输出功率的5种环境因素,首先利用EMD将环境因素序列进行分解,得到数据信号在不同时间尺度上的变化情况,降低环境因素序列的非平稳性;其次利用PCA提取特征序列的关键影响因子,消除原始序列的相关性和冗余性,降低模型输入的维度;最终利用LSTM网络对多变量特征序列进行动态时间建模,实现对光伏发电功率的预测。采用山西省某电站的8个月实测数据进行验证,实验结果表明,该预测模型较传统光伏功率预测方法有更高的精确度。

• 单位
  太原理工大学