首页|期刊导航|电力信息与通信技术|基于VMD-PCA和CNN-BiLSTM的光伏发电功率预测方法

基于VMD-PCA和CNN-BiLSTM的光伏发电功率预测方法OA

中文摘要

光伏功率预测技术作为降低光伏发电随机性影响的核心关键技术,对降低大规模并网带来的不确定性、提升配电网运行的安全性与经济性具有重要意义。然而传统的模型预测精度有限且难以精准捕捉时变特性,同时对其随机性与波动性特征的有效解析存在不足。针对上述问题,文章通过融合变分模态分解与主成分分析,降低功率序列的非平稳性并提取关键天气波动趋势;在此基础上构建结合卷积神经网络与双向长短期记忆网络的预测模型,从时间-空间双重维度捕捉局部特征与长期时序依赖关系,实现对光伏发电功率的精准预测。基于实际光伏数据的算例分析表明,所提方法显著提升了预测精度,为光伏功率的可靠预测提供了一种有效的解决方案。

靳学斌;贾东梨;王帅;张怀天

中国电力科学研究院有限公司,北京市海淀区100192中国电力科学研究院有限公司,北京市海淀区100192中国电力科学研究院有限公司,北京市海淀区100192中国电力科学研究院有限公司,北京市海淀区100192

信息技术与安全科学

变分模态分解主成分分析光伏功率预测卷积神经网络双向长短期神经网络超短期预测

《电力信息与通信技术》 2026 (9)

P.12-20,9

智能电网国家科技重大专项(2025ZD0804600)。

10.16543/j.2095-641x.electric.power.ict.2026.09.02

评论