基于改进CEEMD算法与优化LSTM的光伏功率预测

摘要

为了更好地利用太阳能，准确预测光伏发电功率，提高光伏功率预测的精度，提出了一种基于因素相关互补集合经验模态分解算法(CEEMD:Complementary Ensemble Empirical Mode Decomposition)与优化长短期记忆网络(LSTM:Long Short-Term Memory network)结合的光伏功率预测方法。首先，使用CEEMD算法分解光伏功率时序，建立分解功率分量与环境因素的Pearson相关系数矩阵，每个分解功率分量选取3个关键因素作为后续预测的输入；其次，利用改进麻雀群搜索算法(ISSA:Improved Sparrow Search Algorithm)优化LSTM网络，建立ISSA-LSTM算法各光伏功率分量预测模型；然后，将各个分解模态的预测结果叠加重构；最后，结合南方某地光伏电站发电功率实测数据对所提方法进行验证，结果验证了所提方法的有效性与优越性。

关键词

光伏功率预测 / CEEMD算法 / Pearson相关矩阵 / ISSA-LSTM算法