基于最大重叠离散小波变换和深度学习的光伏功率预测

针对光伏功率时间序列的非平稳特性,提出一种基于最大重叠离散小波变换(MODWT)和长短期记忆网络(LSTM)的光伏功率组合预测模型。利用皮尔逊相关系数确定影响光伏功率的重要气象因素,基于MODWT算法对历史光伏功率序列进行分解,将选取的气象因素与分解得到的平稳子序列共同构成各个LSTM网络输入,通过汇总重构每个LSTM网络的子序列预测结果得到最终的光伏功率预测结果。从理论层面分析所建立的MODWT算法的完全重构性,并基于李雅普诺夫稳定性定理推导保证预测网络收敛的学习率范围。仿真对比结果显示,所提出的光伏功率预测模型在预测精度和鲁棒性方面具有明显优势。