← 返回
基于改进VMD和CSABO-TCN-BiGRU的中短期光伏功率预测
Short- and Medium-term Photovoltaic Power Forecasting Based on Improved VMD and CSABO-TCN-BiGRU
| 作者 | |
| 期刊 | 太阳能学报 |
| 出版日期 | 2026年1月 |
| 卷/期 | 第 2025 卷 第 12 期 |
| 技术分类 | 智能化与AI应用 |
| 技术标签 | 机器学习 深度学习 光伏逆变器 智能化与AI应用 |
| 相关度评分 | ★★★★★ 5.0 / 5.0 |
| 关键词 |
版本:
提出一种融合改进VMD分解、CSABO优化及TCN-BiGRU混合神经网络的光伏功率预测方法。在澳大利亚实测数据上验证，其精度优于EMD-TCN-BiGRU等主流模型。
提出一种基于模态相关性和重构误差的改进变分模态分解(VMD)算法以及改进减法平均算法(CSABO)优化时间卷积网络(TCN)和双向门控循环单元(BiGRU)组成的中短期光伏功率预测模型.首先,利用改进VMD将历史光伏数据分解为多个不同频率的分量;然后,将各分量与关键气象因素结合,通过TCN-BiGRU模型对各时序数据进行预测,重构得到光伏功率预测值;最后,使用CSABO对预测模型的参数寻优,提高模型性能.以澳大利亚实际光伏数据为算例进行实验分析,结果表明所提模型与EMD-TCN-BiGRU、CEEMDAN-TCN-BiGRU和VMD-CNN-LSTM模型相比,各项评价指标均最优,具有更高的预测精度.
S
SunView 深度解读
该研究直接支撑阳光电源iSolarCloud智能运维平台的功率预测引擎升级，可提升组串式逆变器（如SG系列）和ST系列PCS在光储协同调度中的日前/日内出力预判精度；建议将CSABO-TCN-BiGRU模型嵌入PowerTitan系统能量管理模块，增强电网侧储能参与调峰调频的响应可靠性，并为户用光储系统（如PowerStack）提供高精度发电曲线输入以优化自用率。