基于CNN-VMD-PCA特征融合的光伏发电功率预测研究 |
| |
引用本文: | 田雨薇,罗会龙,薛国辉.基于CNN-VMD-PCA特征融合的光伏发电功率预测研究[J].能源工程,2023(1):18-23+30. |
| |
作者姓名: | 田雨薇 罗会龙 薛国辉 |
| |
作者单位: | 昆明理工大学建筑工程学院 |
| |
基金项目: | 国家自然科学基金资助项目(52166001); |
| |
摘 要: | 为了较为准确地预测光伏发电功率,提出一种特征融合的功率预测模型。模型首先使用一维卷积神经网络(1-dimensional convolutional neural network, 1D-CNN)提取光伏光电数据深度特征,然后用变分模态分解方法(Variational mode decomposition, VMD)分解数据原特征,再把分解后的特征和深度特征融合,用主成分分析法(Principal component analysis, PCA)提取融合后特征的主成分,最后用Xgboost(Extreme gradient boost, Xgboost)模型进行功率预测。根据对所提模型的实测评估,并与其他预测模型对比,得出基于CNN-VMD-PCA特征融合的预测模型具有较高预测精度,其拟合优度达0.932,能够得到更可靠的功率预测结果。
|
关 键 词: | 变分模态分解 卷积神经网络 主成分分析法 光伏发电功率预测 |
|
|