热能动力工程

作者：李恺丽,王剑斌,刘炯,沈怡俊,陈博

单位：浙江工业大学信息工程学院,,浙江工业大学信息工程学院,,浙江工业大学信息工程学院,,浙江工业大学信息工程学院,,浙江工业大学信息工程学院,

关键词：光伏功率预测;CEEMD;LSTM神经网络;鲸鱼优化算法

针对光伏发电在实际电力系统中的波动性和不确定性问题，建立了基于CEEMD-WOA-LSTM的光伏发电功率预测模型。首先，采用皮尔逊相关系数法确定辐照度、湿度、温度和风速为光伏功率的关键影响因素，进而基于高斯混合模型聚类将数据集分为晴天、多云、雨天三种天气类型，以降低训练集与测试集之间的差异并提高预测模型的泛化能力，从而完成数据预处理。其次，采用互补集合经验模态分解对预处理后的数据进行分解并重构，降低其强随机性和复杂性，然后通过利用长短期记忆神经网络对分解所得的各本征模态函数分量进行功率预测，并利用鲸鱼优化算法优化网络参数以提升预测精度，从而叠加各分量的预测结果以确定最终预测值。最后通过实验验证所提方法的有效性。特别地，与现有方法相比，CEEMD-WOA-LSTM在不同天气条件下的预测精度均有所提高，且在复杂天气条件时，展现出更好的稳定性和鲁棒性。

来源：2025年第2期

《热能动力工程》期刊编辑部

查看热能动力工程杂志2025年第2期