精确预测光伏发电功率对电网的安全与经济运行具有重要的意义,但因光伏发电具有时序性、间歇性、波动性以及高非线性等特征,难以深度挖掘数据隐含信息。针对此类问题,提出了一种基于结合时变数据增强(time-varying data enhancement,TDE...精确预测光伏发电功率对电网的安全与经济运行具有重要的意义,但因光伏发电具有时序性、间歇性、波动性以及高非线性等特征,难以深度挖掘数据隐含信息。针对此类问题,提出了一种基于结合时变数据增强(time-varying data enhancement,TDE)、蛇优化算法(snake optimizer,SO)、自适应权重模块(adaptive weight module,AWM)和门控循环单元(gated-recurrent unit,GRU)的光伏发电功率预测模型,通过强相关TDE提升数据特征的表现力,并构造全新的输入矩阵,然后利用AWM对增强后的输入矩阵进行自动赋权处理进入GRU进行预测,同时考虑到组合模型超参数选择困难的问题,引入SO对模型的最佳阈值进行寻找以发挥模型最大性能。最后,使用某光伏发电站实际数据对模型进行验证,结果表明:所提模型可有效提升光伏发电功率的预测精度。展开更多
