基于气象辐照数据和引力搜索算法优化VMD-BiLSTM的光伏发电功率预测研究

摘要

为提高光伏发电功率预测精度，保证电力系统安全调度和稳定运行，提出一种基于变分模态分解(variational mode decomposition,VMD)和引力搜索算法(gravitational search algorithm,GSA)优化双向长短期记忆神经网络(bidirectional long short-term memory,BiLSTM)的组合预测方法。针对影响光伏发电功率的时序信号存在非线性和非平稳性特征的问题，选取倾斜辐照度、水平辐照度、温度、湿度等气象数据作为特征输入变量，利用VMD算法将其分解为若干个不同的模态并对每个分量分别进行建模；针对传统BiLSTM模型存在参数选择不确定性和收敛速度较慢的问题，引入GSA算法对模型参数优化，缩短手动调制参数的时间，提高超参数设置的精度和效率。使用南方某园区实际光伏发电数据集对所提模型性能进行验证，结果表明，与传统神经网络预测模型和固定参数组合预测模型相比，该方法具有更高的预测准确性和稳定性。

关键词

光伏功率预测 / 变分模态分解 / 引力搜索算法 / 双向长短期记忆神经网络 / 辐照度