基于多氣象要素降維及改進型變分模態分解算法的光伏發電功率預測模型研究

楊凌升，李 偉

（南京信息工程大學 電子與信息工程學院，江蘇 南京 210044）

0 引言

當可再生能源并入電網時，受太陽輻射及其他多種氣象要素變化的影響，光伏發電的輸出是間歇性和不可分割的，具有高度的不確定性，這可能導致功率不平衡和電力調度困難[1]，[2]。因此，能夠有效地預測光伏系統發電功率是非常重要的。

光伏發電輸出功率數據可以看作是一個帶有噪聲的非線性非平穩信號序列。在發電功率預測中，噪聲會對非線性變化分析產生不利影響。信號與噪聲的有效分離是研究非線性變化的前提。目前常用的非線性信號去噪方法包括小波變換[3]、經驗模態分解 （EMD）[4]、擴展經驗模態分解（EEMD）[5]等。其 中，EMD缺 乏 嚴 格 的 數 學 基 礎，存在模態混疊和端點效應[6]，與EEMD一樣可能會引入固有模態分量（IMF）中的殘留噪聲和雜散模式[7]。變分模態分解（VMD）是一種自適應的非遞歸信號分解方法，旨在克服小波變換需要預先定義，且具有非自適應性質[8]。VMD自提出以來已被廣泛應用于非線性信號降噪[9]。近年來，許多學者將VMD應用于光伏發電功率的預測。文獻[10]提出了基于VMD、信息論和多層感知器神經網絡的預測模型。文獻[11]應用VMD將光伏功率分解為不同的波動分量，并采用置信網絡和自回歸移動平均法對波動分量進行預測。VMD通過經驗決策設置模態數和懲罰因子的參數，如果二者設置不當，將會極大地影響模型預測精度[12]。而優化后的變分模態分解（OVMD）技術則可以很好地解決這一 難 題[13]。……