CEEMDAN-PE BiLSTM光伏功率预测模型

多云天气误差降27%

用排列熵重构IMF序列并引入双向时空关联，比常规分解混合模型在多云等复杂天气下预测更准、更稳。

Jianwei, Liang · Liying, Yin · Xin, Yanli · SiChao, Li · Yuqian, Zhao · Tian, Song

Electric Power Systems Research 2025

参数信息

RMSE

1.78 MW

MAE

1.32 MW

技术优势

误差降27%

通过CEEMDAN分解结合排列熵重构，既保留波动特征又降低计算复杂度，再配合BiLSTM双向时空建模，显著提升预测精度。

多云更准

多云条件下RMSE仅1.78 MW，比单一BiLSTM模型降低27.3%。

抗异常值

通过异常值检验和Friedman检验验证了模型在不同天气条件下的鲁棒性。

应用场景

• 光伏电站功率预测：为光伏电站提供更高精度的短期出力预测，降低不确定性对电网的冲击。
• 电网调度优化：提高预测精度后，调度部门可更合理地安排机组组合和备用容量，降低成本。
• 智能电网能量管理：高精度预测支持智能电网的能量管理系统做出更优的存储和负荷控制决策。
• 新能源发电预测：可为其他间歇性可再生能源（如风电）的预测提供方法借鉴，提升整体消纳能力。