基于VMD-FE-CNN-BiLSTM的短期光伏发电功率预测

打开文本图片集

摘 要：为提高光伏功率的预测精度，提出一种变分模态分解（VMD）、模糊熵（FE）、卷积神经网络（CNN）和双向长短期记忆神经网络（BiLSTM）的光伏功率组合预测模型。该方法首先采用VMD将原始光伏序列数据分解成多个子序列，从而减少随机波动分量和噪声干扰对预测模型的影响，通过FE对每个子序列进行重组，使用一维CNN的局部连接及权值共享提取不同分量的特征，将CNN输出的特征融合并输入到BiLSTM模型中；利用BiLSTM模型建立历史数据之间的时间特征关系，得到光伏发电功率预测结果。（剩余12225字）