一种基于CEEMDAN-LSTM-TPA模型的短期光伏功率预测方法技术

本发明专利技术公开了一种基于CEEMDAN‑LSTM‑TPA模型的短期光伏功率预测方法，包括以下步骤：S01：将预处理后的光伏功率数据经过CEEMDAN算法分解为k个不同频率的模态分量；S02：计算各分量的样本熵值，将相近频率的分量合并降低预测的复杂度，合并为n个重组序列；S03：将影响光伏功率的特征变量与不同模态分量输入基于时序注意力机制的长短期记忆网络进行预测；S04：将不同分量的预测值合并得到最后的预测结果，该方法首先对原始的光伏功率数据进行CEEMDAN分解，该分解方法解决了模态混叠问题，然后通过样本熵对不同模态分量进行合并，降低预测的复杂度，提高运算速度，总体来说，该预测方法降低了预测误差，提高了预测精度。

【技术实现步骤摘要】

本专利技术涉及光伏发电功率预测，尤其是涉及一种基于ceemdan-lstm-tpa模型的短期光伏功率预测方法。

技术介绍

1、光伏发电因其安全高效和绿色低碳的优点倍受青睐，然而，光伏发电的输出功率受到多种因素的影响，如太阳辐射强度、环境温度和昼夜变化等，这些因素具有很强的随机性和波动性，当大规模的光伏发电系统并入电网后，这种随机性和波动性将进一步加剧，给电网的调度运行带来巨大的挑战，同时也给电力系统的安全和经济运行带来了严峻的考验。

2、通过光伏功率预测，电网可以更好地制定和调整调度计划，减少因发电功率波动带来的影响，降低电网的运行成本，提高电力系统的安全性和经济性，现有技术中常采用物理方法、统计方法、人工智能算法进行光发电功率预测，其中人工智能算法在处理非线性数据时表现出更好的性能，并且具备更高的容错能力，但目前的人工智能算法仍存在一些不足导致预测精度不高。

技术实现思路

1、为了克服上述问题，本专利技术的目的是提供一种基于ceemdan-lstm-tpa模型的短期光伏功率预测方法，该方法首先对本文档来自技高网...

【技术保护点】

1.一种基于CEEMDAN-LSTM-TPA模型的短期光伏功率预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于CEEMDAN-LSTM-TPA模型的短期光伏功率预测方法，其特征在于，所述步骤S01中的CEEMDAN算法的具体步骤为：

3.根据权利要求1所述的一种基于CEEMDAN-LSTM-TPA模型的短期光伏功率预测方法，其特征在于，所述步骤S03中基于时序注意力机制的长短期记忆网络是在基于循环神经网络的长短期记忆网络结构中增加遗忘门、输入门、输出门和记忆单元，其内部结构的计算公式如下：

4.根据权利要求1所述的一种基于CEEM...

【技术特征摘要】

1.一种基于ceemdan-lstm-tpa模型的短期光伏功率预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于ceemdan-lstm-tpa模型的短期光伏功率预测方法，其特征在于，所述步骤s01中的ceemdan算法的具体步骤为：

3.根据权利要求1所述的一种基于ceemdan-lstm-tpa模型的短期光伏功率预测方法，其特征在于，所述步骤s03中基于时序注意力机制的长短期记忆网络是在基于循环神经网络的长短期记忆网络结构中增加遗忘门、输入门、输出门和记忆单元，其内部结构的计算公式如下：

4.根据权利要求1所述的一种基于ceemdan-ls...

【专利技术属性】
技术研发人员：赵许许，廖俊龙，穆羡瑛，李霞，杜建城，杨春萍，黄琰，郭瑞，芦劼，詹鑫，胡健民，刘明兴，于海明，刘沙，李香增，窦浩平，豆丹，蔚凡，吴紫恒，罗晨，汤德海，邹德凡，何雨辰，刘凯波，马振峰，蔡润楷，
申请(专利权)人：国网新疆电力有限公司乌鲁木齐供电公司，
类型：发明
国别省市：