最近，自动化与电子工程学院巩敦卫教授与太阳成集团tyc7111cc孙靖教授、信息科学技术学院硕士研究生王天澍、自动化与电子工程学院博士研究生王飞梦、国网江苏省电力有限公司岳付昌在光伏发电功率预测领域取得研究进展，形成的论文“A Dual-layer Decomposition and Multi-model Driven Combination Interval Forecasting Method for Short-term PV Power Generation”，发表在中科院一区、Top期刊《Expert Systems with Applications》(IF: 7.5)上。

针对光伏发电功率存在的波动性和不确定性，论文提出了一种双层分解和多模型驱动的短期光伏发电功率组合区间预测方法。首先，采用基于加权回归的季节趋势分解将原始数据分解为季节项、趋势项和余项，并利用变分模态分解（Variational Mode Decomposition，VMD）对余项二次分解，通过开发一种混沌映射和螺旋搜索引导的浣熊优化算法，优化VMD中子模态数和惩罚因子值。然后，依据趋势项和VMD的子序列特征，分别采用自回归积分滑动平均模型和BiTCN-BiGRU-AM模型预测，进而将季节项与不同模型的预测值相加，得到短期光伏发电功率的点预测值。最后，通过采用上述改进的浣熊优化算法，优化核密度估计法和Bootstrap法得到的预测区间权重，得到短期光伏发电功率的组合预测区间。所提方法与7种方法在三个数据集上对比，实验结果验证了所提方法的优越性。

论文信息：

Wang Tianshu, Sun Jing*, Gong Dunwei*, Wang Feimeng, Yue Fuchang. A Dual-layer Decomposition and Multi-model Driven Combination Interval Forecasting Method for Short-term PV Power Generation. Expert Systems with Applications, 2025, 288:128235.