基于聚類SABO-VMD和組合神經(jīng)網(wǎng)絡(luò)的短期光伏發(fā)電功率預(yù)測

打開文本圖片集

摘 要：針對光伏發(fā)電預(yù)測單一模型處于不同天氣狀況時預(yù)測精度不高等問題，建立以卷積神經(jīng)網(wǎng)絡(luò)（CNN）和雙向長短期記憶網(wǎng)絡(luò)（BiLSTM）為基礎(chǔ)的組合神經(jīng)網(wǎng)絡(luò)模型。提出一種基于魚鷹優(yōu)化算法（OOA），用以優(yōu)化組合神經(jīng)網(wǎng)絡(luò)參數(shù)。此外引入注意力機制（Attention）突出強相關(guān)性因素的影響。采用高斯混合模型聚類（GMM）劃分歷史光伏數(shù)據(jù)為數(shù)個天氣類型，并提出基于減法平均的優(yōu)化算法（SABO）優(yōu)化變分模態(tài)分解（VMD）參數(shù)，實現(xiàn)對各天氣類型數(shù)據(jù)的分解。（剩余15368字）