基于ICEEMDAN-LSTM-BNN的短期光伏发电功率概率预测

作者

王清亮代一凡王旭东郝帅
单位

西安科技大学电气与控制工程学院
摘要

针对短期光伏发电功率建立精准概率预测模型是提高电网安全稳定运行的重要手段。为了提高非晴空条件下光伏发电功率预测的精度和稳定性，选用具有优良正则化特性的贝叶斯神经网络模型作为基础算法。首先通过改进自适应噪声完备集合经验模态分解方法对多尺度多模态变化气象数据进行平稳化处理，简化映射关系建立步骤；其次引入长短期记忆神经网络来增强模型对光伏发电功率随机波动性和时序性的有效捕捉；进而结合各项算法提出基于ICEEMDAN-LSTM-BNN的短期光伏发电功率概率预测方法；最后以宁夏太阳山光伏电站实测数据为测试对象，对非晴空条件下的光伏发电功率进行预测，所提模型较之传统算法在非晴空条件下点预测和概率预测效果均显著改善，充分验证所提方法的有效性和可靠性。
关键词

短期光伏发电功率概率预测非晴空贝叶斯神经网络长短期记忆神经网络
基金项目(Foundation)

国家自然科学基金项目(51804250)；陕西省科技计划项目(2021JQ-572)；
文章目录

0 引言
1 BNN预测模型
2 光伏功率时序特性挖掘
3 气象数据的模态分解
4 ICEEMDAN-LSTM-BNN预测模型
5 实验分析
5.1 预测效果量化指标
5.2 光伏发电功率点预测结果分析
5.3 光伏发电功率概率预测结果分析
6 结论
引用格式

王清亮,代一凡,王旭东等.基于ICEEMDAN-LSTM-BNN的短期光伏发电功率概率预测[J].西安科技大学学报,2023,43(03):593-602.DOI:10.13800/j.cnki.xakjdxxb.2023.0317.

煤问提

煤传媒

煤视界

科技创新50强

会员中心