基于ICEEMDAN-LSTM-SSA的短期光伏发电功率预测研究
陈红波1
康瑜2
王亮1
刘锐1
华鑫2
1.国家能源集团新疆开都河流域水电开发有限公司,新疆 库尔勒 8410002.西安理工大学 西北旱区生态水利工程国家重点实验室,陕西 西安 710048
摘要：提出一种基于改进型自适应噪声完备集合经验模态分解-长短期记忆网络-麻雀搜索算法(ICEEMDAN-LSTM-SSA)的短期光伏发电功率预测模型,并以新疆巴州博湖县某光伏电站为研究对象,分析不同气候条件对预测精度的影响.研究表明,利用ICEEMDAN分解算法对发电功率序列进行预处理,可以有效提升LSTM模型的光伏发电功率预测精度;ICEEMDAN-LSTM-SSA预测模型在不同气候条件下均表现出明显的普适性,预测结果更为准确.
关键词：光伏发电功率预测LSTM神经网络模态分解
分类号：TM615(发电、发电厂)
资助基金：国家自然科学基金(52579019)
论文发表日期：2026-01-31
在线出版日期：2026-03-11（本平台首次上网日期，不代表文献的发表时间）
页数：5( 19-23 )
英文信息