基于改进VMD和CSABO-TCN-BiGRU的中短期光伏功率预测

茅庭瑞; 李培强

doi:doi:10.19912/j.0254-0096.tynxb.2024-1446

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

基于改进VMD和CSABO-TCN-BiGRU的中短期光伏功率预测

更新时间：2026-01-08

- 基于改进VMD和CSABO-TCN-BiGRU的中短期光伏功率预测
- Vol. 46, Issue 12, Pages: 168-177(2025)
- 作者机构：
- 作者简介：
- 基金信息：
- DOI：doi:10.19912/j.0254-0096.tynxb.2024-1446
  CLC： TM615
- Published Online：07 January 2026，
  
  Published：2025
- 稿件说明：
移动端阅览
茅庭瑞, 李培强. 基于改进VMD和CSABO-TCN-BiGRU的中短期光伏功率预测[J]. 2025, 46(12): 168-177.
DOI：

茅庭瑞, 李培强. 基于改进VMD和CSABO-TCN-BiGRU的中短期光伏功率预测[J]. 2025, 46(12): 168-177. DOI： doi:10.19912/j.0254-0096.tynxb.2024-1446.

摘要

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。

Abstract

An improved variational mode decomposition （VMD） algorithm based on modal correlation and reconstruction error

and an improved subtraction-average-based optimizer （CSABO） to optimize short- and medium-term photovoltaic （PV） power prediction model consisting of temporal convolutional network （TCN） and bidirectional gated recurrent unit （BiGRU） are proposed. Firstly

the historical PV data are decomposed into multiple components with different frequencies using the improved VMD. Then

the components are combined with key meteorological factors

and the PV power forecasts are reconstructed by the TCN-BiGRU model by forecasting each time series data separately. Finally

the parameters of the prediction model are optimized using CSABO to improve the model performance. The actual Australian PV data is used as an arithmetic example for experimental analysis

and the results demonstrate that the proposed model exhibits the best evaluation indexes and higher prediction accuracy compared with EMD-TCN-BiGRU

CEEMDAN-TCN-BiGRU and VMD-CNN-LSTM models.

关键词

Keywords

references

陈禹帆, 温蜜, 张凯, 等. 基于相似日匹配及TCN-Attention的短期光伏出力预测[J]. 电测与仪表, 2022, 59(10): 108-116.

吉兴全, 赵国航, 叶平峰, 等. 基于QMD-HBiGRU的短期光伏功率预测方法[J]. 高电压技术, 2024, 50(9): 3850-3859.

陈炜, 艾欣, 吴涛, 等. 光伏并网发电系统对电网的影响研究综述[J]. 电力自动化设备, 2013, 33(2): 26-32, 39.

陈龙, 张菁, 张昊立, 等. 基于VMD和射箭算法优化改进ELM的短期光伏发电预测[J]. 太阳能学报, 2023, 44(10): 135-141.

孟安波, 陈顺, 王陈恩, 等. 基于混沌CSO优化时序注意力GRU模型的超短期风电功率预测[J]. 电网技术, 2021, 45(12): 4692-4700.

朱琼锋, 李家腾, 乔骥, 等. 人工智能技术在新能源功率预测的应用及展望[J]. 中国电机工程学报, 2023, 43(8): 3027-3048.

荆博, 谭伦农, 钱政, 等. 光伏发电短期预测研究进展综述[J]. 电测与仪表, 2017, 54(12): 1-6.

牛东晓, 纪会争. 风电功率物理预测模型引入误差量化分析方法[J]. 电力系统自动化, 2020, 44(8): 57-65.

刘杰, 陈雪梅, 陆超, 等. 基于数据统计特性考虑误差修正的两阶段光伏功率预测[J]. 电网技术, 2020, 44(8): 2891-2897.

骆钊, 吴谕侯, 朱家祥, 等. 基于多尺度时间序列块自编码Transformer神经网络模型的风电超短期功率预测[J]. 电网技术, 2023, 47(9): 3527-3537.

郭占伍, 张泽亚, 周兴华, 等. 考虑气象因素的电采暖负荷预测研究[J]. 电测与仪表, 2022, 59(2): 154-158.

王清亮, 杨博, 应欣峰, 等. 非晴空条件下光伏发电短期功率预测方法[J]. 太阳能学报, 2022, 43(3): 188-196.

张静, 褚晓红, 黄学安, 等. 一种基于加权马尔科夫链修正的SVM光伏出力预测模型[J]. 电力系统保护与控制, 2019, 47(19): 63-68.

苗长新, 李昊, 王霞, 等. 基于数据驱动和深度学习的超短期风电功率预测[J]. 电力系统自动化, 2021, 45(14): 22-29.

樊磊, 张倩, 李国丽, 等. 基于长短期记忆网络数字孪生体的短期光伏发电预测[J]. 现代电力, 2023, 40(6): 899-905.

崔佳豪, 毕利. 基于混合神经网络的光伏电量预测模型的研究[J]. 电力系统保护与控制, 2021, 49(13): 142-149.

赵倩, 黄景涛. 基于EMD-SA-SVR的超短期风电功率预测研究[J]. 电力系统保护与控制, 2020, 48(4): 89-96.

赵凌云, 刘友波, 沈晓东, 等. 基于CEEMDAN和改进时间卷积网络的短期风电功率预测模型[J]. 电力系统保护与控制, 2022, 50(1): 42-50.

陈臣鹏, 赵鑫, 毕贵红, 等. 基于多模式分解和麻雀优化残差网络的短期风速预测模型[J]. 电网技术, 2022, 46(8): 2975-2985.

王粟, 江鑫, 曾亮, 等. 基于VMD-DESN-MSGP模型的超短期光伏功率预测[J]. 电网技术, 2020, 44(3): 917-926.

杨晶显, 张帅, 刘继春, 等. 基于VMD和双重注意力机制LSTM的短期光伏功率预测[J]. 电力系统自动化, 2021, 45(3): 174-182.

TROJOVSKÝ P, DEHGHANI M.Subtraction-average-based optimizer: a new swarm-inspired metaheuristic algorithm for solving optimization problems[J]. Biomimetics, 2023, 8(2): 149.

崔明勇, 董文韬, 卢志刚. 基于密度聚类模态分解的卷积神经网络和长短期记忆网络短期风电功率预测[J]. 现代电力, 2024, 41(4): 631-641.

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于多元气象信息和改进组合神经网络的分布式光伏短期功率预测模型

基于OVMD-CNN-BiLSTM的短期光伏发电预测

STUDY ON PHOTOVOLTAIC POWER PREDICTION OF VMD-FE-LSTM CONSIDERING SIMILAR DAYS

一种高分辨率的光伏短期功率预测模型

基于相似日聚类和WOA-VMD-TCN-Transformer模型的短期光伏功率研究

Related Author

吴伟丽

米婵

李磊

梁富源

万艳妮

杨国华

李方圆

张梦晴

Related Institution

School Nuclear Science and Engineering, North China Electric Power University

School of Electrical Engineering and Automation, Hefei University of Technology

State Grid Anhui Electric Power Company

School of Physics and Electronic Engineering, Fuyang Normal University

College of Environmental Science and Engineering, North China Electric Power University

AI问答

⁰