来源：期刊VIP网 时间：
作者：顾晋豪1;俞斌1,2;白隆1;徐婕1
单位：1.南京信息工程大学自动化学院;2.无锡学院自动化学院
摘要：准确的光伏发电功率预测能够有效帮助电力调度部门做好电力系统的调度计划。针对单一预测模型适应性差、精度不足等问题，该文提出一种高斯混合聚类（GMM）和ICEEMDAN-IBWO-BiLSTM结合的短期光伏功率预测模型。首先，通过皮尔逊相关性分析筛选输入特征，并利用GMM对历史光伏功率数据进行划分，选出待测日的相似日；其次，利用改进的自适应噪声完备集合经验模态分解(ICEEMDAN)对光伏功率的历史数据进行分解，并用排列熵对模态分量进行重构；然后，利用IBWO-BiLSTM模型对重构后的子序列进行预测，并将子序列预测结果叠加得到光伏功率预测值；最后，以某光伏电站的真实数据为例对模型进行验证。结果表明：在晴天、多云和阴雨天气下，相比其他对比模型，所提模型的RMSE平均降低了56.30%、45.40%和37.95%,MAE平均降低了57.52%、45.62%和31.99%,R2平均提高了1.55%、4.72%和5.64%,AIC平均降低了36.39%、21.42%和22.89%，验证了该模型的有效性与优越性。
关键词：短期光伏功率预测;高斯混合聚类;ICEEMDAN;白鲸优化算法;BiLSTM
基金资助：无锡学院人才启动经费(550220008)
