摘要
本发明提供一种基于CEEMDAN‑DBO‑BiLSTM的光伏出力区间预测方法,包括如下步骤:S1根据分布式光伏历史数据的非线性和非平稳特性,通过自适应噪声完备集合经验模态分解方法将光伏功率序列分解为多个模态分量;S2针对一次分解得到的高频非平稳分量进行二次分解,并采用样本熵方法将所有分量重构为趋势分量和振荡分量;S3基于蜣螂优化算法对双向长短期记忆网络的参数进行寻优,最终得到两个分量的分布式光伏点预测值;S4基于核密度估计方法对振荡分量的点预测误差进行概率密度估计,叠加点预测值得到总体的预测区间结果,不仅显著降低了原始预测分量的复杂度,还进一步提升了模型的预测精度。
技术关键词
区间预测方法
双向长短期记忆网络
核密度估计方法
分布式光伏
集合经验模态分解
噪声
预测误差
算法
概率分布函数
多模态交互
样本
概率密度函数
误差区间
序列
重构
拉格朗日
复杂度
非线性
信号
系统为您推荐了相关专利信息
分布式光伏集群
配电网馈线
电压无功灵敏度
面向配电网
可调容量
人工智能辅助
双向长短期记忆网络
多肽
南瓜籽油
生物信息学技术
语义特征
电力设备
文本
注意力机制
双向长短期记忆网络
电力价格预测方法
经验模态分解算法
集合经验模态分解
文本
序列