基于VMD-DESN-MSGP模型的超短期光伏功率预测

• 作者: 常雨芳 曾亮 江鑫 王粟
• 来源期刊: 电网技术
• 学科: 工学
• 关键词: 光伏功率预测 时间序列 变分模态分解 深度回声状态网络 稀疏高斯混合过程专家模型
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 可再生能源发电与综合消纳技术
• 页码范围: 917-925,中插6
• 页数: 10页
• 分类号: TM721
• 语种: 中文
• DOI: 10.13335/j.1000-3673.pst.2019.0958

摘要

光伏功率时间序列受到多种因素影响,呈现出高度的随机性和波动性.针对光伏功率时间序列可预测性低的问题,提出了一种结合变分模态分解(variational modal decomposition,VMD)、深度回声状态网络(deep echo state network,DESN)和稀疏高斯混合过程专家模型(mixture of sparse gaussian process experts model,MSGP)的超短期光伏功率预测方法.首先采用VMD将光伏功率时间序列分解为不同的模态,降低数据的非平稳性;为提高模型在超短尺度时序的预测能力,对各模态分别建立DESN预测模型,将各模态预测结果进行求和重构;为进一步提高模型预测精度,对误差的特性进行分析,采用MSGP对预测误差进行补偿;最后将误差的预测值与原功率的预测值相叠加作为最终预测结果.仿真结果表明,该方法在光伏功率时序预测中的效果比传统预测模型更好,有效提高了超短期光伏功率时间序列预测的准确性.