基于优化的VMD-CNN-LSTM模型的光伏功率预测

摘要

针对变分模态分解(variational mode decomposition,VMD)用经验知识定义模态数、传统功率预测方法缺少对时序数据考虑等问题,提出一种基于优化VMD、联合卷积神经网络(convolutional neural network,CNN)-长短期记忆(long short-term-memory,LSTM)网络的组合预测模型。精度更高的光伏预测可以提高光伏并网的安全性、可靠性。通过布谷鸟搜索(cuckoo search,CS)算法优化VMD的主要参数,把光伏功率分解成若干趋于稳定的模态分量;随后将分解量送入联合CNN与LSTM的组合预测模型进行逐一预测并将功率预测值进行叠加评估,建立起基于CS-VMD-CNN-LSTM的光伏组合预测模型。以宁夏太阳山光伏电站的实测数据做仿真分析,结果表明,较遗传算法(genetic algorithm,GA)优化VMD等模型,该模型对预测光伏功率更具有效性,预测结果更优。