－I8－收稿日期：２０２２－８－２７基金项目：国家自然科学基金资助项目（５２１６６００１）作者简介：田雨薇（１９９８－），女，云南文山人，硕士研究生，主要从事建筑节能及太阳能光热利用相关研究。基于ＣＮＮ⁃ＶＭＤ⁃ＰＣＡ特征融合的光伏发电功率预测研究田雨薇，罗会龙，薛国辉（昆明理工大学建筑工程学院，云南昆明６５０５００）摘要：为了较为准确地预测光伏发电功率，提出一种特征融合的功率预测模型。模型首先使用一维卷积神经网络（１⁃ｄｉｍｅｎｓｉｏｎａｌｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋ，１Ｄ⁃ＣＮＮ）提取光伏光电数据深度特征，然后用变分模态分解方法（Ｖａｒｉａｔｉｏｎａｌｍｏｄｅｄｅｃｏｍｐｏｓｉｔｉｏｎ，ＶＭＤ）分解数据原特征，再把分解后的特征和深度特征融合，用主成分分析法（Ｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ，ＰＣＡ）提取融合后特征的主成分，最后用Ｘｇｂｏｏｓｔ（Ｅｘｔｒｅｍｅｇｒａｄｉｅｎｔｂｏｏｓｔ，Ｘｇｂｏｏｓｔ）模型进行功率预测。根据对所提模型的实测评估，并与其他预测模型对比，得出基于ＣＮＮ⁃ＶＭＤ⁃ＰＣＡ特征融合的预测模型具有较高预测精度，其拟合优度达０．９３２，能够得到更可靠的功率预测结果。关键词：变分模态分解；卷积神经网络；主成分分析法；光伏发电功率预测中图分类号：ＴＭ６１５文献标识码：Ａ文章编号：１００４－３９５０（２０２３）０１－００１８－０６ＳｔｕｄｙｏｎｐｈｏｔｏｖｏｌｔａｉｃｐｏｗｅｒｇｅｎｅｒａｔｉｏｎｆｏｒｅｃａｓｔｉｎｇｂａｓｅｄｏｎＣＮＮ⁃ＶＭＤ⁃ＰＣＡｆｅａｔｕｒｅｆｕｓｉｏｎＴＩＡＮＹｕ⁃ｗｅｉ，ＬＵＯＨｕｉ⁃ｌｏｎｇ，ＸＵＥＧｕｏ⁃ｈｕｉ（ＦａｃｕｌｔｙｏｆＣｉｖｉｌＥｎｇｉｎｅｅｒｉｎｇ，ＫｕｎｍｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｋｕｎｍｉｎｇ，６５０５００，Ｃｉｎａ）Ａｂｓｔｒａｃｔ：Ｉｎｏｒｄｅｒｔｏａｃｃｕｒａｔｅｌｙｐｒｅｄｉｃｔｔｈｅｐｏｗｅｒｏｆｐｈｏｔｏｖｏｌｔａｉｃｐｏｗｅｒｇｅｎｅｒａｔｉｏｎ，ａｐｏｗｅｒｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｂａｓｅｄｏｎｆｅａｔｕｒｅｆｕｓｉｏｎｗａｓｐｒｏｐｏｓｅｄ，ｉｎｗｈｉｃｈｏｎｅ⁃ｄｉｍｅｎｓｉｏｎａｌｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋ（１Ｄ⁃ＣＮＮ）ｍｏｄｅｌｗａｓｕｓｅｄｔｏｅｘｔ...
