摘要
本发明涉及一种基于二次分解和BiGRU的超短期光伏发电功率预测预测方法,采用如下步骤:S1、基于CEEMDAN对原始信号进行一次分解,得到若干不同复杂度的分量;S2、采用样本熵计算各分量熵值,并用K‑means聚类算法重构信号;S3、采用VMD对复杂信号进行二次分解,利用分解后的信号作为输入;S4、各分量归一化处理,分别进行建模预测,线性求和形成Clu‑IMF0的预测结果;S 5、对模型的预测结果进行评价;本发明多层堆叠的BiGRU神经网络在处理时序数据的过程中,能够很好的挖掘数据中的规律和特征;对数据的处理大幅度的降低了原始数据的复杂程度;提升光伏功率的预测精度,在解决少数据光伏发电站的功率预测问题上,具有良好的应用前景。
技术关键词
短期光伏发电
信号
双向神经网络
噪声
增广拉格朗日
EMD算法
光伏发电站
序列
极值
信噪比
重构
复杂度
功率
线性
样本
乘法器
频率
数据
系统为您推荐了相关专利信息
性能分析方法
多普勒
信道冲激响应
高移动性场景
时延
电机控制器
自动驾驶系统
驱动电机输出扭矩
车辆
悬架系统