科研之友
微信
新浪微博
Facebook
分享链接
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。
- 单位
