气象科学

作者：曾伟麟，张颖超，丁仁惠，范赫，叶小岭

单位：南京信息工程大学 信息与系统科学研究院, 南京 210044,,南京信息工程大学 信息与系统科学研究院, 南京 210044;南京信息工程大学 江苏省大气环境与装备技术协同创新中心, 南京 210044,,江苏省气象探测中心, 南京 210009,,大唐江苏发电有限公司新能源分公司, 南京 210008,,南京信息工程大学 信息与系统科学研究院, 南京 210044;南京信息工程大学 江苏省大气环境与装备技术协同创新中心, 南京 210044,

关键词：光伏发电;预测;神经网络;改进鲸鱼优化算法;Kmeans聚类

基金：国家自然科学基金资助项目(42275156;42205150);江苏省自然科学基金资助项目(BK20210661)

为了提高光伏功率的预测精度,本文建立了一种基于Kmeans和IWOA-BiGRU-EC的超短期光伏功率预测模型(KIBE模型)。首先,利用Kmeans聚类将历史数据划分为三类天气类型的相似日样本;其次,为了提升双向门控循环单元(Bidirectional Gated Recurrent Unit, BiGRU)的预测效果,通过引入改进Circle混沌映射初始化、非线性收敛因子及添加惯性权重的方法提出一种改进鲸鱼优化算法(Improved Whale Optimization Algorithm, IWOA)并构建IWOA-BiGRU模型进行初步预测;最后,结合初步预测结果进行误差修正(Error Correction,EC),利用变分模态分解将误差序列分解为若干个分量,通过IWOA-BiGRU预测模型对每个分量作预测并叠加得到误差预测结果,将初步预测结果与误差预测结果求算术和得到最终功率预测结果。选取江苏省某光伏电站的实测数据进行实验,结果表明本文提出的KIBE模型对比其他模型可以有效提升在三类天气条件下的预测结果精度。

来源：2025年第6期

《气象科学》期刊编辑部

查看气象科学杂志2025年第6期