（来源：太阳能杂志）
DOI：10.19912/j.0254-0096.tynxb.2024-1931 文章编号：0254-0096（2026）03-0635-09
基于双层分解和改进多目标浣熊优化算法的BiLSTM 光伏功率预测
唐晓乐1，康滟婷2，卢浩1~3
（1. 新疆大学电气工程学院能源碳中和实验室，乌鲁木齐 830047；2. 新疆大学智能科学与技术学院，乌鲁木齐 830047；3. 西北能源碳中和教育部工程研究中心，乌鲁木齐 830047）
摘 要：为提高光伏功率预测的准确性和稳定性，提出一种基于双层分解和改进多目标浣熊优化算法（AMOCOA）的 BiLSTM超短期光伏功率预测模型。其中，双层分解将改进自适应白噪声的完全集合经验模态分解（ICCEMDAN）与变分模态分解（VMD）结合，可充分挖掘高频信号中的信息。改进多目标浣熊优化算法（AMOCOA）通过引入自适应区域搜索策略与多项式变异算子提升了算法收敛性与多样性。首先，利用 ICEEMDAN 将历史光伏功率序列分解为多个分量，其次将高频分量利用变分模态进一步分解，得到周期性分量。然后通过 AMOCOA 对 BiLSTM 参数进行优化并建立各子序列最优 AMOCOA-BiLSTM 模型。最后对子序列进行重构得到最终预测结果。通过实际数据对模型进行验证，结果表明，阴天天气下相比 BiLSTM，所提模型的均方根误差下降了 51.56%，平均绝对误差下降了 68.75%，稳定指标下降了 50.74%，表现出更好的预测准确性与稳定性。
关键词：多目标优化；光伏功率；预测模型；浣熊优化算法；双层分解
