基于VMD-FE-CNN-BiLSTM的短期光伏發(fā)電功率預(yù)測

打開文本圖片集

摘 要：為提高光伏功率的預(yù)測精度，提出一種變分模態(tài)分解（VMD）、模糊熵（FE）、卷積神經(jīng)網(wǎng)絡(luò)（CNN）和雙向長短期記憶神經(jīng)網(wǎng)絡(luò)（BiLSTM）的光伏功率組合預(yù)測模型。該方法首先采用VMD將原始光伏序列數(shù)據(jù)分解成多個(gè)子序列，從而減少隨機(jī)波動分量和噪聲干擾對預(yù)測模型的影響，通過FE對每個(gè)子序列進(jìn)行重組，使用一維CNN的局部連接及權(quán)值共享提取不同分量的特征，將CNN輸出的特征融合并輸入到BiLSTM模型中；利用BiLSTM模型建立歷史數(shù)據(jù)之間的時(shí)間特征關(guān)系，得到光伏發(fā)電功率預(yù)測結(jié)果。（剩余12225字）