来源：期刊VIP网 时间：
作者：鄢伟安;付晟;刘卫东;秦斌;韩林翀;
单位：南昌大学先进制造学院;南昌航空大学经济管理学院;
摘要：光伏中期输出功率的准确预测可以为光伏系统的运维决策、能源招标、并网消纳等问题提供重要依据。为提高预测精度，提出了一种结合局部加权回归的周期趋势分解（seasonal-trend decomposition procedure based on loess,STL）、经验模态分解（empirical mode decomposition,EMD）、麻雀搜索算法（sparrow search algorithm,SSA）和长短期记忆神经网络（long short-term memory neural network,LSTM）的光伏中期输出功率预测模型。首先，对收集到的光伏功率历史监测数据进行数据预处理；其次，利用STL将监测的数据分解成趋势项、周期项和余项；然后，利用经验模态分解，将余项分解，得到不同特征尺度的本征模态分量（intrinsic mode functions,IMFs）和残差（residuals,RES）；接着，通过相关性分析得到对光伏输出功率影响较大的环境影响因素，并使用SSA对LSTM进行超参数寻优，对各项分解后的数据集进行预测；再接着，叠加各个分量数据集预测结果，得到光伏中期输出功率预测结果；最后，通过实例分析，将所提出的STL-EMD-SSALSTM模型与其他模型进行比较。结果表明，所提模型预测精度最高，可有效应用于光伏中期输出功率预测。
关键词：光伏;;功率预测;;STL分解;;经验模态分解;;长短期记忆神经网络;;麻雀搜索算法
基金资助：国家自然科学基金项目（72361021,72071099,71861011）
