基于融合聚类和BKA-VMD-TCN-BiLSTM的短期光伏功率预测
简介：针对光伏系统功率输出因天气条件波动大且随机性强的特点,提出了一种基于融合聚类的短期光伏功率组合预测模型.首先通过改进的Kmeans聚类算法(GMKmeans)将原始光伏数据集分为晴天、阴天和雨天 3种天气模式.在此基础上,为解决变分模态分解(VMD)分解数量和惩罚因子难以人工确定的问题,引入黑翅鸢优化算法(BKA)实现VMD参数的自适应优化.随后利用优化后的VMD将光伏功率时间序列数据分解成多个本征模态函数(Intrinsic Mode Functions,IMF),确保模型能够更深入地理解和模拟光伏功率随时间演变的复杂模式.最后,针对各IMF分量分别构建时序卷积网络(TCN)-双向长短期记忆网络(BiLSTM)组合预测模型,并将预测结果叠加重构,实现对整体光伏功率输出的高精度预测.实验结果表明,该预测模型提升了光伏功率预测的准确性和有效性.展开
关键词：短期光伏功率预测变分模态分解黑翅鸢优化算法时序卷积网络双向长短期记忆网络
在线出版日期：2025-08-04 （网站首发日期）
