2023年第36卷第3期ElectronicSci.＆Tech./Mar.15，2023https://journal.xidian.edu.cn收稿日期:2012-09-08基金项目:国家自然科学基金(51507157)NationalNaturalScienceFoundationofChina(51507157)作者简介:黄圆(1997－)，男，硕士研究生。研究方向:电力市场、新能源发电预测。魏云冰(1970－)，男，博士，教授。研究方向:电力系统自动化、智能运检。基于VMD和改进TCN的短期光伏发电功率预测黄圆，魏云冰，童东兵，王维高(上海工程技术大学电子电气工程学院，上海201620)摘要光伏发电功率存在波动性，且光伏出力易受各种气象特征影响，传统TCN网络容易过度强化空间特性而弱化个体特性。针对上述问题，文中提出一种基于VMD和改进TCN的短期光伏发电功率预测模型。通过VMD将原始光伏发电功率时间序列分解为若干不同频率的模态分量，将各个模态分量以及相对应的气象数据输入至改进TCN网络进行建模学习。利用中心频率法确定VMD的最优分解模态分解个数。在传统TCN预测模型的基础上，使用DropBlock正则化取代Dropout正则化以达到抑制卷积层中信息协同的效果，并引入注意力机制自主挖掘并突出关键气象输入特征的影响，量化各气象因素对光伏发电的影响，从而提高预测精度。以江苏省某光伏电站真实数据为例进行仿真实验，结果表明所提预测方法的ＲMSE为0．62MW，MAPE为2．03%。关键词光伏发电功率;变分模态分解;时序卷积神经网络;DropBlock正则化;注意力机制;功率预测;时间序列预测;数据分解中图分类号TP183;TN99文献标识码A文章编号1007－7820(2023)03－042－08doi:10.16180/j.cnki.issn1007－7820.2023.03.007Short－TermPhotovoltaicPowerPredictionBasedonVMDandImprovedTCNHUANGYuan，WEIYunbing，TONGDongbing，WANGWeigao(SchoolofElectronicandElectricalEngineering，ShanghaiUniversityofEngineeringScience，Shanghai201620，China)AbstractPhotovoltaicpowergenerationfluctuates，photovoltaicoutputiseasilyaffectedbyvariousmeteoro-logicalcharacteristics，andtraditionalTCNnetworkstendtoover－enhancespatialcharacteristicsandweakenindi-vidualcharacteristics．Inviewoftheseproblem，ashort－termphotovoltaicpowergenerationpredictionmodelbasedonVMDandimprovedTCNisproposedinthisstudy．Theoriginalphotovoltaicpowergenerationtimeseriesisde-composedintoseveralmodalcomponentsofdifferentfrequenciesthroughVMD，andeachmoda...
