陈晓萌

朱宗玖;徐圆圆;

精确地预测光伏发电功率是保证电力系统稳定运行的关键。为改善光伏发电功率的预测的准确性，通过引入人工大猩猩部队优化(artificial gorilla troops optimizer, GTO)算法和变分模态分解(variational mode decomposition, VMD),提出了一种基于卷积神经网络(convolutional neural networks, CNN)和门控循环单元(gated recurrent unit, GRU)神经网络的组合预测模型(GTO-VMD-CNN-GRU)。研究基于皮尔逊相关系数的气象特征量提取方法，获取特征重要性并作为模型输入，针对VMD和模型参数手动设置的复杂性和不确定性，利用GTO对变分模态分解数量和惩罚因子进行寻优来确定最优组合，并对CNN-GRU模型主要超参数进行寻优。对光伏输出功率的预测进行分析，结果表明，GTO-VMD-CNN-GRU预测模型能有效提升光伏输出功率预测精度，再通过与其他4种方法的预测效果比较，发现所提方法各项误差指标表现最好，因此，优化后的模型可靠性更强。

2024年04期 v.21;No.98 21-29页 [查看摘要][在线阅读][下载 1087K]