数据驱动的光伏功率超短期自适应优化预测

摘要

针对光伏的随机性特征给高精度超短期功率预测带来的各种问题,提出了IVMD-RIME-GRU自适应优化预测模型:在数据处理环节,对原始光伏功率信号进行改进的变分模态分解(improved variational mode decomposition, IVMD),后续则分别对分解得到的模态信号进行预测,降低光伏非平稳性造成的影响。IVMD通过残差是否已接近白噪声来确定VMD分解的最优模态数,尽量减少分解造成的信息损失。在训练预测环节,采用能够处理长时间序列的门控循环单元(gated recurrent unit, GRU)进行预测,并利用雾凇优化算法强大的寻优能力,对GRU的关键参数进行自适应优化,提升算法整体性能。最后将各模态的预测结果合并,得到实际预测输出。仿真结果表明,所提出的模型能够将原始GRU的预测性能提升70%以上,且对光伏功率的峰谷快速切换实现良好跟踪。

关键词

光伏发电 / 时序预测 / 变分模态分解 / 门控循环单元 / 雾凇优化