文献类型：期刊文章

作　　者：王福忠[1] 王帅峰[1] 张丽[1]

Wang Fuzhong;Wang Shuaifeng;Zhang Li(School of Electrical Engineering and Automation,Henan Polytechnic University,Jiaozuo 454000,China)

机构地区：[1]河南理工大学电气工程与自动化学院,焦作454000

出　　处：《太阳能学报》

基　　金：国家自然科学基金(61403284);河南省科技攻关项目(202102210295,212102210146);河南理工大学青年骨干项目(2019XQG-17)。

年　　份：2022

卷　　号：43

期　　号：8

起止页码：96-103

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD_E2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：光伏序列具有的较高复杂性对光伏发电功率的预测精度产生了极大影响,对此提出一种基于VMD-LSTM与误差补偿的光伏发电超短期功率预测模型。该模型第1阶段采用VMD算法将原始功率序列分解为若干个不同的模态,并对其建立对应的LSTM网络模型进行预测,通过对各模态的预测结果求和得到初始预测功率;第2阶段采用LSTM网络对误差序列进行误差补偿预测,然后将初始预测功率和误差预测功率求和得到最终预测结果。仿真结果表明,该预测模型对天气具有较高的适应性,预测精度达到97%以上。

关 键 词：光伏发电 功率预测 深度学习  长短期记忆  变分模态分解  误差补偿

分 类 号：TM615]