一种基于EEMD-FE-IWOA-BiLSTM的光伏功率预测方法及系统技术方案

本发明专利技术公开了一种基于EEMD‑FE‑IWOA‑BiLSTM的光伏功率预测方法及系统，引入Pearson相关系数分析光伏发电重要影响因子的季节分布特征；基于集合经验模态分解及模糊熵的数据集特征分解；从种群初始化、位置更新策略以及预防陷入局部最优这三个方面对WOA进行改进；采用改进的IWOA算法对BiLSTM进行优化；利用优化后的IWOA‑BiLSTM混合模型进行光伏功率预测。本发明专利技术预测精度高，实施应用效果好，预测结果满足实际的应用需求。

【技术实现步骤摘要】

本专利技术属于光伏功率预测，具体涉及一种基于eemd-fe-iwoa-bilstm的光伏功率预测方法及系统。

技术介绍

1、光伏发电作为最重要的太阳能利用方式，已成为可再生能源发电的新兴增长点。光伏发电发展速度惊人，2019年全球光伏发电装机容量为115gw，光伏累计装机容量至少达到627gw。2020年在中国电力结构中光伏发电装机规模占比约7％，在总发电量中占比2.5％，在太阳能发电总装机容量中，光伏发电占94％。不管是在中国还是在世界其他国家，光伏发电在能源供应方面都扮演着越来越重要的角色。但是太阳能光伏发电系统的发电量受地理条件、气象条件以及太阳能电池板内部性能等多方面因素的影响，采集到的太阳能数据会具有很大的随机性。

2、因此，及时、准确的光伏功率预测技术对实现光伏发电系统的科学调度有着重大的意义。

技术实现思路

1、本专利技术所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于eemd-fe-iwoa-bilstm的光伏功率预测方法及系统，用于解决单一预测模型及传统预测存在因气象本文档来自技高网...

【技术保护点】

1.一种基于EEMD-FE-IWOA-BiLSTM的光伏功率预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于EEMD-FE-IWOA-BiLSTM的光伏功率预测方法，其特征在于，步骤S1中，Pearson相关系数R(t)具体为：

3.根据权利要求1所述的基于EEMD-FE-IWOA-BiLSTM的光伏功率预测方法，其特征在于，步骤S2具体为：

4.根据权利要求3所述的基于EEMD-FE-IWOA-BiLSTM的光伏功率预测方法，其特征在于，步骤S204中，原序列的IMF分量为：

5.根据权利要求3所述的基于EEMD-FE-...

【技术特征摘要】

1.一种基于eemd-fe-iwoa-bilstm的光伏功率预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于eemd-fe-iwoa-bilstm的光伏功率预测方法，其特征在于，步骤s1中，pearson相关系数r(t)具体为：

3.根据权利要求1所述的基于eemd-fe-iwoa-bilstm的光伏功率预测方法，其特征在于，步骤s2具体为：

4.根据权利要求3所述的基于eemd-fe-iwoa-bilstm的光伏功率预测方法，其特征在于，步骤s204中，原序列的imf分量为：

5.根据权利要求3所述的基于eemd-fe-iwoa-bilstm的光伏功率预测方法，其特征在于，步骤s205中，最终原序列x(t)为：

6.根据权利要求1所述的基于ee...

【专利技术属性】
技术研发人员：于军琪，晁孟瑶，郭聚刚，王靖淇，曹文强，
申请(专利权)人：西安建筑科技大学，
类型：发明
国别省市：