基于聚类SABO-VMD和组合神经网络的短期光伏发电功率预测
简介：针对光伏发电预测单一模型处于不同天气状况时预测精度不高等问题,建立以卷积神经网络(CNN)和双向长短期记忆网络(BiLSTM)为基础的组合神经网络模型.提出一种基于鱼鹰优化算法(OOA),用以优化组合神经网络参数.此外引入注意力机制(Attention)突出强相关性因素的影响.采用高斯混合模型聚类(GMM)划分历史光伏数据为数个天气类型,并提出基于减法平均的优化算法(SABO)优化变分模态分解(VMD)参数,实现对各天气类型数据的分解.实验结果表明:基于SABO-VMD优化数据分解参数能有效提高预测精度;经实验对比分析,该文所提模型精度明显更高.展开
关键词：光伏功率变分模态分解神经网络功率预测注意力机制高斯混合模型聚类
在线出版日期：2025-03-13 （网站首发日期）
