基于CEEMDAN-GSA-LSTM和SVR的光伏功率短期区间预测（网络首发）

doi:10.16183/j.cnki.jsjtu.2022.511

摘要/Abstract

摘要： 针对光伏输出功率存在间歇性和波动性的问题，提出了一种光伏功率短期区间预测模型。首先，该模型采用自适应噪声完备集合经验模态分解(CEEMDAN)将历史光伏出力数据分解为不同的分量并按照其与赤纬角、时角等时序特征量的相关性定义为时序分量和随机分量。其次，分别使用经过引力搜索算法(GSA)优化的长短期记忆神经网络(LSTM)和支持向量回归(SVR)模型对时序分量和随机分量进行分别预测。再次，叠加时序分量和随机分量的预测结果得到点预测结果。然后，对误差进行Johnson变换及正态分布建模后得到光伏功率区间预测结果。最后，通过算例验证了该模型的有效性。结果表明，在不同天气情况下，上述模型比现有的预测模型精度更高，具有较好的鲁棒性，能够基于预测值提供较为精准的置信区间。

关键词: 光伏功率预测, 区间预测, 自适应噪声完备集合经验模态分解, 引力搜索算法, 长短期记忆神经网络, 支持向量回归, Johnson变换

中图分类号:

TM615

李芬, 孙凌, 王亚维, 屈爱芳, 梅念, 赵晋斌. 基于CEEMDAN-GSA-LSTM和SVR的光伏功率短期区间预测（网络首发）[J]. 上海交通大学学报, doi: 10.16183/j.cnki.jsjtu.2022.511.

[1]	朱城昊, 王晗, 孙国歧, 魏晓宾, 王富文, 蔡旭. 一种并网逆变器直流电容容值辨识方法[J]. 上海交通大学学报, 2022, 56(6): 693-700.
[2]	徐宏东, 高海波, 徐晓滨, 林治国, 盛晨兴. 基于证据推理规则CS-SVR模型的锂离子电池SOH估算[J]. 上海交通大学学报, 2022, 56(4): 413-421.
[3]	卢地华, 陈自强. 基于双充电状态的锂离子电池健康状态估计[J]. 上海交通大学学报, 2022, 56(3): 342-352.
[4]	张松林, 马栋梁, 王德禹. 基于长短期记忆神经网络的板裂纹损伤检测方法[J]. 上海交通大学学报, 2021, 55(5): 527-535.
[5]	李芬, 周尔畅, 孙改平, 白永清, 童力, 刘邦银, 赵晋斌. 一种新型天气分型方法及其在光伏功率预测中的应用[J]. 上海交通大学学报, 2021, 55(12): 1510-1519.
[6]	廖启术, 胡维昊, 曹迪, 黄琦, 陈哲. 新能源电力系统中的分布式光伏净负荷预测[J]. 上海交通大学学报, 2021, 55(12): 1520-1531.
[7]	谭嘉, 李知艺, 杨欢, 赵荣祥, 鞠平. 基于分布式优化思想的配电网用电负荷多层协同预测方法[J]. 上海交通大学学报, 2021, 55(12): 1544-1553.
[8]	王宇，黄胜，廖全蜜，杨放青. 基于引力搜索算法的船舶舱室布置方法[J]. 上海交通大学学报（自然版）, 2016, 50(01): 131-139.
[9]	王宏健，徐金龙，刘向波，李娟，张爱华. 基于支持向量回归机的自适应差分滤波算法研究[J]. 上海交通大学学报（自然版）, 2014, 48(07): 929-935.
[10]	王晓龙，蔡琦，陈玉清. 基于多参数耦合的船舶核动力装置参数重构[J]. 上海交通大学学报（自然版）, 2014, 48(02): 210-213.
[11]	任会峰, 阳春华, 周璇, 桂卫华, 鄢锋. 基于最小二乘支持向量回归机的矿浆酸碱度鲁棒软测量[J]. 上海交通大学学报（自然版）, 2011, 45(08): 1136-1139.
[12]	张宏伟, 宋执环. 基于彩色图像特征的铜成分软测量模型[J]. 上海交通大学学报（自然版）, 2011, 45(08): 1211-1215.
[13]	胡友涛, 胡昌华. 一种基于遗传算法优化小波支持向量回归机的实时寿命预测方法[J]. 上海交通大学学报（自然版）, 2011, 45(08): 1216-1220.
[14]	张心光, 邹早建. 基于支持向量回归机的船舶操纵响应模型辨识[J]. 上海交通大学学报（自然版）, 2011, 45(04): 501-504.

基于CEEMDAN-GSA-LSTM和SVR的光伏功率短期区间预测（网络首发）

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 14

编辑推荐

Metrics

本文评价