基于新型相似日选取和VMD-NGO-BiGRU的短期光伏功率预测

摘要

光伏功率预测在现代电力系统调度和运行中起着重要作用.针对光伏发电功率的多变性和复杂性，提出了一种基于新型相似日选取和北方苍鹰算法（Northern Goshawk Optimization,NGO）优化双向门控循环单元（Bidirectional Gated Recurrent Unit, BiGRU）的短期光伏功率预测方法 .首先，利用斯皮尔曼相关系数选取主要气象因子，通过变分模态分解（Variational Mode Decomposition, VMD）将原始光伏功率和最大气象因子分解重构为一系列子信号.其次，通过构建新的评价指标筛选出相似日数据集，利用一组BiGRU建立以相似日子信号为网络输入的深度学习模型，并利用NGO对每个BiGRU网络的超参数进行有效优化.最后，对各子信号的预测结果进行综合，得到最终的光伏功率预测值.仿真结果表明，所提混合深度学习方法在预测精度和计算效率方面均优于其他方法 .

关键词

光伏功率预测 / 变分模态分解 / 双向门控循环单元 / 北方苍鹰算法