基于CEEMDAN-WOA-BiLSTM的短期光伏功率预测

赵书宇; 蒋波涛; 张晟; 田毅

doi:10.26963/j.psce.2026.01013

欢迎来到能源电力期刊网！

English Version 期刊登录

您当前的位置：

首页 >

文章列表页 >

基于CEEMDAN-WOA-BiLSTM的短期光伏功率预测

清洁能源 | 更新时间：2026-04-24

- 基于CEEMDAN-WOA-BiLSTM的短期光伏功率预测
- 基于CEEMDAN-WOA-BiLSTM的短期光伏功率预测
- 电网与清洁能源 2026年42卷第1期页码：113-121
- 作者机构：
  
  1. 西安工程大学电子信息学院
  2. 西安市电气设备互联感知与智能诊断重点实验室
- 作者简介：
- 基金信息：
  
  陕西省重点研发计划项目(2024GX-ZDCYL-01-07)~~
- DOI：10.26963/j.psce.2026.01013
  中图分类号： TM615;TP18
- 纸质出版：2026
- 稿件说明：
移动端阅览
赵书宇, 蒋波涛, 张晟, 等. 基于CEEMDAN-WOA-BiLSTM的短期光伏功率预测[J]. 电网与清洁能源, 2026,42(1):113-121.

赵书宇, 蒋波涛, 张晟, et al. 基于CEEMDAN-WOA-BiLSTM的短期光伏功率预测[J]. 2026, 42(1): 113-121.
赵书宇, 蒋波涛, 张晟, 等. 基于CEEMDAN-WOA-BiLSTM的短期光伏功率预测[J]. 电网与清洁能源, 2026,42(1):113-121. DOI： 10.26963/j.psce.2026.01013.

赵书宇, 蒋波涛, 张晟, et al. 基于CEEMDAN-WOA-BiLSTM的短期光伏功率预测[J]. 2026, 42(1): 113-121. DOI： 10.26963/j.psce.2026.01013.

摘要

针对光伏功率数据随机性强、不确定性高以及单一模型预测精度有限等问题，提出一种基于自适应噪声完备集合经验模态分解（complete ensemble empirical mode decomposition with adaptive noise

CEEMDAN）-鲸鱼优化算法（whale optimization algorithm

WOA）-双向长短期记忆神经网络(bidirectional long short-term memory

Bi LSTM)的短期光伏功率组合预测方法。首先，利用CEEMDAN方法对相似日聚类后的光伏发电功率时间序列信号进行分解，将具有高复杂度的光伏数据转化为具有低复杂度的分量；其次，构建基于Bi LSTM的光伏功率预测模型，并利用WOA优化Bi LSTM超参数提高模型泛化能力；最后，以澳大利亚某太阳能中心的光伏数据进行算例分析。分析结果表明，所构建的组合预测方法与LSTM、Bi LSTM、VMD-WOA-Bi LSTM和CEEMDAN-Bi LSTM预测方法相比，具有较高的预测精度。

Abstract

关键词

Keywords

references

高倩.基于CEEMDAN分解与多目标优化LSTM的光伏功率预测研究[D].西安理工大学,2023(03).

陈涛.基于学习机制的光伏功率短期预测方法研究[D].江南大学,2022(02).

董一诺.考虑光伏预测的地区水光互补短期调度及灵活性量化方法[D].大连理工大学,2022(02).

Zejia Zhou,Zengqiang Ma,Tianming Mu.Hybrid energy storage capacity optimization based on VMD-SG and improved Firehawk optimization[J].Electric Power Systems Research,2025.

Feng Huifang,Yu Chunsheng.A novel hybrid model for short-term prediction of PV power based on KS-CEEMDAN-SE-LSTM[J].Renewable Energy Focus,2023.

Su Xi,Wang Yulu.Photovoltaic Power Prediction Based on GA-Elman Model[J].Journal of Physics: Conference Series,2023.

Zhang Jinliang,Liu Ziyi,Chen Tao.Interval prediction of ultra-short-term photovoltaic power based on a hybrid model[J].Electric Power Systems Research,2023.

Gupta Priya,Singh Rhythm.PV power forecasting based on data-driven models: a review[J].International Journal of Sustainable Engineering,2021.

Thi Quynh Mai Pham,Gyei Kark Park,Kyoung Hoon Choi.The efficiency analysis of world top container ports using two-stage uncertainty DEA model and FCM[J].Maritime Business Review,2020.

何启鹏,孙明扬,杨苗苗,徐连生,李健,贺晓阳.基于LSTM网络的光伏发电功率预测研究[J].照明工程学报,2025(01).

杨轶航,韩璐,史华勃,邓鑫隆,陈梓桐,孙如田.基于相似日与ISC-BiLSTM的短期光伏功率预测方法[J].太阳能学报,2025(01).

林文婷,李培强,荆志宇,钟吴君.基于多级特征提取的BiLSTM短期光伏出力预测[J].太阳能学报,2024(10).

姜建国,杨效岩,毕洪波.基于VMD-FE-CNN-BiLSTM的短期光伏发电功率预测[J].太阳能学报,2024(07).

陈建军,李良杰,卢泽汉.基于改进LSTM-TCN模型的分布式光伏功率预测研究[J].电子设计工程,2024(16).

付小标,侯嘉琪,李宝聚,温亚坤,赖晓文,郭雷,王志伟,王尧,张海锋,李德鑫.一种二模态天气分型方法及其在光伏功率概率预测的应用[J].发电技术,2024(02).

王志宝,吴柏铮,孟令哲.基于多特征神经网络的日前光伏功率预测[J].电子设计工程,2024(07).

王宇驰,赵延阳,张树军.基于EMD-KPCA-LSTM的光伏功率预测模型分析[J].现代工业经济和信息化,2024(02).

黄杨珏,张晓珂,沈开程,戴小然,朱远哲,汪进锋,贾梦麒.基于智能混合预测策略的短期光伏功率预测[J].电网与清洁能源,2023(11).

吴珺玥,赵二刚,郭增良,张亚萍,张建军.基于Spearman系数和TCN的光伏出力超短期多步预测[J].太阳能学报,2023(09).

张强,吴芷晗,张逸.基于改进相似时刻法的分布式光伏功率短期预测方法[J].供用电,2023(09).

吉兴全,赵国航,叶平峰,孟祥剑,杨明,张玉敏.基于QMD-HBi GRU的短期光伏功率预测方法[J].高电压技术,2024(09).

刘雅芳,谷志锋,李梦佳,刘靖波,李伦迪,张晓亮,阮振鹏,孔子君.基于CEEMDAN算法的光伏功率信号光滑降噪[J].电力电容器与无功补偿,2023(03).

张磊,王小明,吴红斌,谢毓广,滕越,魏英杰.基于FCM和LSTM的光伏功率超短期预测[J].供用电,2023(01).

文爽,马逸骋,孙志强.基于GWO-EEMD-BP神经网络的光伏发电功率短期预测[J].中南大学学报(自然科学版),2022(12).

李森文,张伟,李纯宇,郝思鹏.基于SSA-LSTM的海上风电功率预测[J].机械与电子,2022(06).

谢丽蓉,王斌,包洪印,梁武星,买买提热依木·阿布力孜.基于EEMD-WOA-LSSVM的超短期风电功率预测[J].太阳能学报,2021(07).

孟安波,许炫淙,陈嘉铭,王陈恩,周天民,殷豪.基于强化学习和组合式深度学习模型的超短期光伏功率预测[J].电网技术,2021(12).

田剑刚,张沛,彭春华,时珉,王铁强,尹瑞,王一峰.基于分时长短期记忆神经网络的光伏发电超短期功率预测[J].现代电力,2020(06).

马磊,黄伟,李克成,李允昭,李剑,袁博.基于Attention-LSTM的光伏超短期功率预测模型[J].电测与仪表,2021(02).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于VMD-IBWO-BiLSTM的短期风电功率预测

考虑历史相似日与组合权重的光伏功率预测

基于云图特征的超短期光伏发电功率预测模型

基于AP-WOA-GRU的分布式光伏集群电压越限动态预测

基于AP-WOA-GRU的分布式光伏集群电压越限动态预测附视频