基于k-sums分段聚类的动态组合学习光伏短期功率预测

1

作者 吴家葆 曾国辉 张振华 《电子科技》 2024年第4期69-76,共8页

目前单一模型预测精度存在难以随着功率波动保持最优的问题,为提高并网系统运行的稳定性和电网的节能调度,文中提出了一种基于k-sums分层聚类的动态学习组合光伏短期功率预测方法。利用k-sums算法经过分段聚类,将天气类型分为晴天A 1、... 目前单一模型预测精度存在难以随着功率波动保持最优的问题,为提高并网系统运行的稳定性和电网的节能调度,文中提出了一种基于k-sums分层聚类的动态学习组合光伏短期功率预测方法。利用k-sums算法经过分段聚类,将天气类型分为晴天A 1、多云A 2、阴雨天B。通过TCN(Temporal Convolutional Network)提取数据的时序特征,并结合GRU(Gate Recurrent Unit)建立融合提取时序特征模块的改进GRU结构,以达到对时序特征敏感的效果。将改进GRU结构与SVM(Support Vector Machine)动态组合,使用Elastic Net算法输出最佳权重值叠加得到最终预测值。文中采用江苏某地区的光伏发电功率数据及对应的气象数据对所提方法进行验证,结果表明动态组合学习模型的MAE(Mean Absolute Error)为1.888,RMSE(Root Mean Squared Error)为2.403。 展开更多

关键词 k-sums 分层聚类 TCN 改进GRU SVM 动态组合学习 Elastic Net 光伏短期功率预测

下载PDF 职称材料

基于K-means分层聚类的TCN-GRU和LSTM动态组合光伏短期功率预测 被引量：3

2

作者 吴家葆 曾国辉 +2 位作者 张振华 黄勃 刘瑾 《可再生能源》 CAS CSCD 北大核心 2023年第8期1015-1022,共8页

为了提高电网运行的稳定性和改善电网的节能调度,针对目前单一模型处于不同天气状况时,预测精度难以达到最优的状况,文章提出了一种基于K-means分层聚类的TCN-GRU和长短期记忆网络(LSTM)动态组合光伏短期功率预测。利用K-means算法进行... 为了提高电网运行的稳定性和改善电网的节能调度,针对目前单一模型处于不同天气状况时,预测精度难以达到最优的状况,文章提出了一种基于K-means分层聚类的TCN-GRU和长短期记忆网络(LSTM)动态组合光伏短期功率预测。利用K-means算法进行二次聚类,将天气类型分为晴天(A_(1))、多云(A_(2))、阴天(A_(3))、雨天(A_(4));通过时间卷积网络(TCN)提取数据的时序特征,并结合门控循环单元(GRU)建立出融合提取时序特征模块的TCN-GRU结构;TCN-GRU与LSTM神经网络动态组合后,通过弹性网络(ElasticNet)回归选择最佳输出权重得到最终预测值;基于江苏某地区的光伏发电功率数据及对应的气象数据对文章所提出的方法进行验证。在4种天气状况下,通过与其他模型预测结果进行比较,文章提出的动态组合模型预测精度更高。 展开更多

关键词 K-MEANS 光伏短期功率预测 TCN-GRU LSTM ElasticNet 动态组合预测

下载PDF 职称材料

基于聚类算法和转换网络的光伏短期功率预测

3

作者 刘喜生 《电力大数据》 2023年第2期17-23,共7页

精准的光伏功率预测对优化光伏电站的运行和管理以及提高光伏发电的效率具有重要作用,本文提出了一种基于聚类算法和转换网络的光伏功率预测方法。首先,基于自编码器的无监督聚类算法对光伏短期功率数据进行了预处理,以降低光伏出力数... 精准的光伏功率预测对优化光伏电站的运行和管理以及提高光伏发电的效率具有重要作用,本文提出了一种基于聚类算法和转换网络的光伏功率预测方法。首先,基于自编码器的无监督聚类算法对光伏短期功率数据进行了预处理,以降低光伏出力数据本身的不稳定性对功率预测的影响。之后,使用具有自注意力机制和多头注意力机制的转换网络进行光伏短期功率的预测,转换网络相比传统的循环神经网络(RNN)更善于挖掘时序之间的关系,注意力机制使得转换网络具有并行计算的能力,可以加快网络训练的速度。最后,利用澳大利亚光伏功率与气象数据中心(DKASC)的光伏数据集验证了所提出的预测方法。根据实验结果,本方法提供了一个合理的预测精度水平。 展开更多

关键词 光伏短期功率预测 转换网络 自编码器 聚类算法

下载PDF 职称材料

组合辐射衰减因子预报与RBF神经网络的光伏短期功率预测方法 被引量：9

4

作者 梁志峰 董存 +2 位作者 吴骥 崔方 陈卫东 《电网技术》 EI CSCD 北大核心 2020年第11期4114-4120,共7页

为了提升多云、雾霾等复杂天气条件下的光伏功率预测精度,提出一种组合辐射衰减因子预报与RBF神经网络的光伏短期功率预测方法。利用WRF中尺度模式(V4.1版本)以及WRF-CHEM空气质量模式实现总云量、PM2.5浓度的模拟计算,结合光伏电站历... 为了提升多云、雾霾等复杂天气条件下的光伏功率预测精度,提出一种组合辐射衰减因子预报与RBF神经网络的光伏短期功率预测方法。利用WRF中尺度模式(V4.1版本)以及WRF-CHEM空气质量模式实现总云量、PM2.5浓度的模拟计算,结合光伏电站历史出力数据,基于RBF神经网络构建多气象要素与光伏出力的直接映射关系模型。针对华北某区域开展预报实验,结果表明,所提方法可以有效提升多云、雾霾天气条件下的光伏功率预报精度,从而为电网调度运行提供有力支撑。 展开更多

关键词 总云量 PM2.5 RBF神经网络 光伏短期功率预测

原文传递

改进黑猩猩算法的光伏发电功率短期预测

5

作者 谢国民 陈天香 《电力系统及其自动化学报》 CSCD 北大核心 2024年第2期135-143,共9页

针对晴空、非晴空条件下光伏出力预测精度不高等问题,提出一种改进K均值(K-means++)算法和黑猩猩优化算法CHOA(chimpanzee optimization algorithm)相结合,优化最小二乘支持向量机LSSVM(least squares support vector machine)的模型,... 针对晴空、非晴空条件下光伏出力预测精度不高等问题,提出一种改进K均值(K-means++)算法和黑猩猩优化算法CHOA(chimpanzee optimization algorithm)相结合,优化最小二乘支持向量机LSSVM(least squares support vector machine)的模型,进行光伏功率预测。首先,利用密度聚类和混合评价函数改进K-means++对原始数据进行自适应类别划分。其次,通过相关性分析和随机森林特征提取构建模型的输入特征集。最后,根据特征集建立基于DK-PCHOA-LSSVM的短期光伏发电预测模型。结合实际算例,结果表明:该模型在恶劣天气下预测精度明显优于其他模型,验证了其有效性和优越性。 展开更多

关键词 光伏功率短期预测 自适应聚类 最小二乘支持向量机 黑猩猩优化算法 极端天气

下载PDF 职称材料

基于CEEMD-LSTM光伏短期功率预测

6

作者 梁亚峰 马立红 +3 位作者 邱剑洪 冯在顺 何雷震 刘承锡 《科学技术与工程》 2024年第13期5396-5405,共10页

为解决传统机器学习方法在面对多变的环境因素和不平稳序列时导致光伏功率预测精度低的问题,提出一种基于完全经验模态分解(complete ensemble empirical mode decomposition,CEEMD)和长短期记忆神经网络(long short-term memory,LSTM)... 为解决传统机器学习方法在面对多变的环境因素和不平稳序列时导致光伏功率预测精度低的问题,提出一种基于完全经验模态分解(complete ensemble empirical mode decomposition,CEEMD)和长短期记忆神经网络(long short-term memory,LSTM)相结合的光伏短期功率预测模型。首先,充分考虑影响光伏出力的太阳辐照度、相对湿度、大气压力和空气温度4种环境因素,通过CEEMD将气象因素特征曲线分解为多模态特征数据,准确捕捉其不同的时间尺度和频率特征,进而充分保留环境数据的不平稳特征。其次,在此基础上,利用LSTM网络对多模态特征数据进行时间序列建模,旨在保留时间序列的季节性和不平稳特征,为后续建模提供更准确的输入特征。最后,通过对分解后的信号开展训练,根据输入数据的变化自适应调整预测模型参数,迭代生成特定场景下的预测模型,从而灵活应对实时环境变化,得到相应功率预测结果。在海南一孤立海岛分布式光伏电站37 kW子阵的8个月气象和功率数据集进行验证,实验结果表明,所提方法在保留环境数据细节和局部特性上具有显著优势,在不同气象条件均具有良好的自适应性,有效提高了光伏短期功率预测精度。 展开更多

关键词 光伏发电 完全经验模态分解 长短期记忆神经网络 光伏短期功率预测 不平稳特征 多模态特征数据

下载PDF 职称材料

基于集成机器学习模型的短期光伏出力区间预测

7

作者 陈习勋 吴凯彤 +1 位作者 何杰 彭显刚 《智慧电力》 北大核心 2024年第2期87-93,107,共8页

为全面深挖影响光伏出力因素之间的关联信息,进一步提高机器学习模型在短期光伏出力区间预测的精度,提出一种基于集成机器学习模型的短期光伏出力区间预测方法。首先,利用快速相关性过滤(FCBF)的特征选择算法对多维的历史光伏数据及气... 为全面深挖影响光伏出力因素之间的关联信息,进一步提高机器学习模型在短期光伏出力区间预测的精度,提出一种基于集成机器学习模型的短期光伏出力区间预测方法。首先,利用快速相关性过滤(FCBF)的特征选择算法对多维的历史光伏数据及气象数据进行最优特征的提取;然后,在集成多个机器学习模型的基础上,收集训练过程中的预测误差,通过最大似然估计获取预测误差的概率分布,得到预测区间的上下限;最后,结合集成学习模型预测得到光伏出力曲线,进而得到最终的日前光伏出力预测区间。最后通过算例验证了所提模型的可靠性与优越性。 展开更多

关键词 短期光伏功率预测 特征选择 机器学习 区间预测

下载PDF 职称材料

基于改进麻雀搜索算法的光伏功率短期预测 被引量：1

8

作者 李争 罗晓瑞 +3 位作者 张杰 曹欣 杜深慧 孙鹤旭 《太阳能学报》 EI CAS CSCD 北大核心 2023年第6期284-289,共6页

为提高光伏输出功率预测精度、保证电网的优化调度和稳定运行,提出一种改进麻雀搜索算法(SSA)的光伏输出功率预测模型。首先,对实验平台收集到的历史数据进行分析,得到关键气候影响因素;然后,用经验模态分解和主成分分析法对数据进行维... 为提高光伏输出功率预测精度、保证电网的优化调度和稳定运行,提出一种改进麻雀搜索算法(SSA)的光伏输出功率预测模型。首先,对实验平台收集到的历史数据进行分析,得到关键气候影响因素;然后,用经验模态分解和主成分分析法对数据进行维稳和降维处理;并建立改进麻雀搜索算法的BP神经网络预测模型;最后,进行实例验证。结果表明,该预测模型在敛散精度方面有所提升。 展开更多

关键词 经验模态分解 主成分分析 改进麻雀搜索算法 光伏输出功率短期预测

原文传递

基于无爬坡事件定义标准晴空集的短期光伏功率预测

9

作者 郭洪武 车建峰 +1 位作者 闫钇汛 王丽婕 《中国电力》 CSCD 北大核心 2023年第9期187-195,共9页

光伏功率的输出受季节、气象条件及其他因素的影响具有随机性和不确定性,恶劣天气下功率输出具有较强的波动性也加大了预测的难度。提出了一种基于无爬坡事件定义标准晴空集的短期光伏功率预测模型。通过爬坡定义提取一天内均为无爬坡... 光伏功率的输出受季节、气象条件及其他因素的影响具有随机性和不确定性,恶劣天气下功率输出具有较强的波动性也加大了预测的难度。提出了一种基于无爬坡事件定义标准晴空集的短期光伏功率预测模型。通过爬坡定义提取一天内均为无爬坡事件的样本点,将其定义为一个标准晴空集,并与历史实际功率做差,得到的差值作为输出目标变量,以数值天气预报作为输入变量,采用长短期记忆模型对差值进行建模预测,最后将标准晴空集与该预测差值做差,间接得到预测的光伏输出功率值。通过对某光伏电站进行仿真,并进行算例对比,所提模型的短期光伏功率预测精度提高了2%~4%,在恶劣天气下,该方法可以将平均绝对误差和均方根误差降低3%左右,验证了所提模型的性能和有效性。 展开更多

关键词 光伏功率短期预测 非爬坡样本提取 标准晴空集 长短期记忆模型

下载PDF 职称材料

基于智能混合预测策略的短期光伏功率预测 被引量：1

10

作者 黄杨珏 张晓珂 +4 位作者 沈开程 戴小然 朱远哲 汪进锋 贾梦麒 《电网与清洁能源》 CSCD 北大核心 2023年第11期111-119,共9页

光伏发电功率的准确预测为电力系统的调度、决策提供了有力的保证条件。针对现有光伏功率预测效率低、准确性不够等问题,提出一种基于Spearman相关性分析、Kmeans++聚类和支持向量回归(SVR)的混合光伏功率预测模型。通过Spearman相关性... 光伏发电功率的准确预测为电力系统的调度、决策提供了有力的保证条件。针对现有光伏功率预测效率低、准确性不够等问题,提出一种基于Spearman相关性分析、Kmeans++聚类和支持向量回归(SVR)的混合光伏功率预测模型。通过Spearman相关性分析将冗余的输入数据进行筛选,降低模型的输入维度;利用K-means++聚类将数据划分为具有不同特征的类别,建立特征库;分别构建不同数据特征库所对应的SVR预测模型;将测试数据集划分至不同的特征库,得到对应SVR模型的预测结果。选取2021年1月1日—12月31日的武汉市相关数据进行验证,实验结果表明,在光伏系统输出功率预测上,所提Spearman-Kmeans++-SVR模型相较于传统预测模型获得了更高的预测精度和预测效率。 展开更多

关键词 Spearman相关性分析 K-means++ 支持向量回归 短期光伏功率预测

下载PDF 职称材料

基于GRA-EGA-LSTM模型的短期光伏功率预测 被引量：1

11

作者 黄宇航 李萍 +1 位作者 简定辉 梁志洋 《电工技术》 2023年第8期86-90,共5页

对光伏发电功率进行预测可为电力系统调度提供参考,有利于电网的安全稳定运行。为了提高光伏发电功率预测精度,采用灰色关联度分析法(Grey Relation Analysis,GRA)寻找待预测日的相似日作为训练样本;采用精英保留遗传算法(Elitist Model... 对光伏发电功率进行预测可为电力系统调度提供参考,有利于电网的安全稳定运行。为了提高光伏发电功率预测精度,采用灰色关联度分析法(Grey Relation Analysis,GRA)寻找待预测日的相似日作为训练样本;采用精英保留遗传算法(Elitist Model of Genetic Algorithm,EGA)对长短期记忆网络(Long Short-Term Memory,LSTM)的超参数进行寻优;将相似日的光伏功率和气象因素数据作为训练样本代入超参数寻优后的长短期记忆网络进行预测。通过仿真测试,基于GRA-EGA-LSTM组合预测模型的短期光伏功率预测精度要优于传统的LSTM模型。 展开更多

关键词 灰色关联理论 精英保留遗传算法 长短期记忆网络 短期光伏功率预测

下载PDF 职称材料

基于LightGBM-TextCNN-XGBoost的超短期光伏功率预测研究

12

作者 李晶晶 黄翔庚 +2 位作者 张媛媛 张新平 宋美 《电力大数据》 2023年第10期26-33,共8页

针对超短期光伏功率预测的传统方法存在的限制,本文提出了一种基于LightGBM-TextCNN-XGBoost算法的预测模型。首先,本文对原始数据进行了预处理,并使用CEEMDAN对数据进行模态分解。然后,该文将模态分解后的数据归一化,并基于GWO-FCM聚... 针对超短期光伏功率预测的传统方法存在的限制,本文提出了一种基于LightGBM-TextCNN-XGBoost算法的预测模型。首先,本文对原始数据进行了预处理,并使用CEEMDAN对数据进行模态分解。然后,该文将模态分解后的数据归一化,并基于GWO-FCM聚类算法将数据聚类为三种天气类型。接着,该文将数据划分为训练集和测试集,分别对LightGBM和TextCNN算法进行训练。最后,文章基于Stacking思想建立了基于LightGBM-TextCNN-XGBoost算法的模型进行预测,并使用R 2等评价指标对预测模型进行了综合评价。实验结果显示,文中模型的预测效果非常优秀。这种模型能够精确地预测光伏发电的功率,有助于光伏电站降低损失,从而确保微电网的安全稳健运行。 展开更多

关键词 超短期光伏功率预测 LightGBM-TextCNN-XGBoost GWO-FCM聚类算法

下载PDF 职称材料

基于小波分析和集成学习的光伏输出功率短期预测 被引量：10

13

作者 孙永辉 范磊 +3 位作者 卫志农 李慧杰 Kwok W Cheung 孙国强 《电力系统及其自动化学报》 CSCD 北大核心 2016年第4期6-11,30,共7页

针对光伏输出功率的预测精度影响系统安全调度和稳定运行的问题,该文建立了基于小波分析和集成学习的光伏输出功率短期预测模型。考虑到光伏输出功率的波动性与随机性,引入小波分析将数据分解成趋势项和随机项,并分别对其建模。其中,趋... 针对光伏输出功率的预测精度影响系统安全调度和稳定运行的问题,该文建立了基于小波分析和集成学习的光伏输出功率短期预测模型。考虑到光伏输出功率的波动性与随机性,引入小波分析将数据分解成趋势项和随机项,并分别对其建模。其中,趋势项采用SVM算法,随机项采用BP算法进行预测处理;再考虑到随机项的非平稳性和BP算法的固有缺点,为提高预测精度,将集成学习引入随机项的预测模型。大量测试结果表明,基于小波分析和集成学习的短期预测模型的预测精度优于现有几种模型。 展开更多

关键词 小波分析 集成学习 BP神经网络 支持向量机 光伏输出功率短期预测

下载PDF 职称材料

基于小波包与LSSVM的短期光伏输出功率预测研究 被引量：27

14

作者 杨茂 杨宇 《可再生能源》 CAS 北大核心 2019年第11期1595-1602,共8页

由于太阳辐照度及其他气象会随时发生变化,导致光伏电站输出功率具有可变性和不确定性,这将会对电网的安全运行造成重大影响。文章研究了影响光伏电站输出功率的几种气象因素,提出了一种基于小波包与最小二乘支持向量机(LSSVM)的短期光... 由于太阳辐照度及其他气象会随时发生变化,导致光伏电站输出功率具有可变性和不确定性,这将会对电网的安全运行造成重大影响。文章研究了影响光伏电站输出功率的几种气象因素,提出了一种基于小波包与最小二乘支持向量机(LSSVM)的短期光伏电站输出功率预测方法。首先,利用小波包将原始光伏电站输出功率,以及太阳辐照度、环境温度、环境湿度等气象因素进行分解,得到基频信号和多层高频信号;然后,利用最小二乘支持向量机所具有的处理小样本数据和解决非线性函数的能力,将得到的基频信号和多层高频信号作为最小二乘支持向量机的输入变量;最后,将不同尺度的输出结果进行叠加、合成,得到原始光伏电站输出功率的预测值。仿真结果表明,与传统的最小二乘支持向量机预测法、BP神经网络预测法,以及EMD与LSSVM相结合的预测方法相比,文章预测方法的预测精度较高,可以有效地预测光伏电站输出功率。 展开更多

关键词 气象因素 小波包分解 最小二乘支持向量机 光伏功率短期预测

下载PDF 职称材料

基于天气分型的短期光伏功率组合预测方法 被引量：40

15

作者 叶林 裴铭 +2 位作者 路朋 赵金龙 何博宇 《电力系统自动化》 EI CSCD 北大核心 2021年第1期44-54,共11页

由于光伏功率波动特征与天气类型紧密相关,且光伏功率短期预测存在功率波动过程预测精度低、气象因素与功率波动过程相关性弱的问题,文中提出了一种基于天气分型的短期光伏功率组合预测方法。首先,基于气象因素与光伏功率波动特征的关联... 由于光伏功率波动特征与天气类型紧密相关,且光伏功率短期预测存在功率波动过程预测精度低、气象因素与功率波动过程相关性弱的问题,文中提出了一种基于天气分型的短期光伏功率组合预测方法。首先,基于气象因素与光伏功率波动特征的关联性,将天气过程划分为5种类型,并基于变分模态分解算法将光伏功率分解为类晴空过程和波动过程。然后,利用Granger因果关系算法筛选出与各天气类型下光伏功率波动过程密切相关的关键气象因子。最后,建立基于天气分型的短期光伏功率组合预测模型。模型充分考虑了深度学习算法的特异性,对光伏功率类晴空过程与各天气类型下的光伏功率波动过程进行分类预测。仿真结果表明,文中所提出的短期光伏功率预测方法能够显著提升短期光伏功率预测的精度。 展开更多

关键词 短期光伏功率预测 变分模态分解 GRANGER因果关系分析 光伏功率波动过程 光伏功率类晴空过程 组合预测

下载PDF 职称材料

基于FCM和CG-DBN的光伏功率短期预测 被引量：8

16

作者 李正明 高赵亮 梁彩霞 《现代电力》 北大核心 2019年第5期62-67,共6页

针对光伏输出功率非线性、波动大、不稳定等特征引起光伏功率短期预测不精确的问题,本文提出了一种基于相似日聚类和利用共轭梯度法(CG)改进深度信念网络(DBN)的组合模型预测方法。首先利用FCM聚类算法将原始数据按照隶属度进行相似日聚... 针对光伏输出功率非线性、波动大、不稳定等特征引起光伏功率短期预测不精确的问题,本文提出了一种基于相似日聚类和利用共轭梯度法(CG)改进深度信念网络(DBN)的组合模型预测方法。首先利用FCM聚类算法将原始数据按照隶属度进行相似日聚类,随后根据类别进行CGDBN预测模型的建模,最后利用该模型进行光伏输出功率的短期预测。本文将方案应用于浙江龙游发电站,并将预测结果与传统预测模型进行了比较。最终得出,FCM和CG-DBN组合预测模型在光伏功率短期预测中的性能优于其他模型。 展开更多

关键词 相似日聚类 深度信念网络 光伏功率短期预测 组合预测模型 共轭梯度法

原文传递

基于马氏距离相似度量的光伏功率超短期预测方法的研究 被引量：9

17

作者 杨茂 冯帆 《可再生能源》 CAS CSCD 北大核心 2021年第2期175-181,共7页

提高光伏功率超短期预测精度可有效减小光伏发电并网对电力系统稳定性的影响。文章提出了一种基于马氏距离相似度量的光伏功率超短期预测方法。首先,文章采用Elkan K-means聚类分析方法对天气类型进行划分,并通过计算各气象因素与光伏... 提高光伏功率超短期预测精度可有效减小光伏发电并网对电力系统稳定性的影响。文章提出了一种基于马氏距离相似度量的光伏功率超短期预测方法。首先,文章采用Elkan K-means聚类分析方法对天气类型进行划分,并通过计算各气象因素与光伏电站输出功率间的灰色关联度,选出不同天气类型下影响光伏功率的主要气象因素;然后,根据样本日和预测日间主要气象因素的马氏距离选择若干个相似日,并将相似日的光伏功率作为预测模型的训练集,对预测日的光伏功率进行超短期预测。模拟结果表明:基于马氏距离相似度量得到的相似日光伏功率和预测日的相似度较高;将基于马氏距离相似度量得到的相似日光伏功率作为预测模型的训练集,可以提高光伏功率超短期预测精度,为光伏功率预测领域提供了有效的方法。 展开更多

关键词 光伏功率超短期预测 聚类分析 灰色关联度 马氏距离 相似日

下载PDF 职称材料

基于卫星遥感的超短期分布式光伏功率预测 被引量：14

18

作者 刘晓艳 王珏 +2 位作者 姚铁锤 张沛 迟学斌 《电工技术学报》 EI CSCD 北大核心 2022年第7期1800-1809,共10页

光伏功率预测对于电网调度具有重要意义。该文针对缺少辐照度测量装置的分布式光伏电站,提出一种基于卫星遥感的超短期分布式光伏功率预测方法。首先基于Res-UNet模型对短波辐照(SWR)网格进行时空预测;然后对预测的SWR网格进行空间插值... 光伏功率预测对于电网调度具有重要意义。该文针对缺少辐照度测量装置的分布式光伏电站,提出一种基于卫星遥感的超短期分布式光伏功率预测方法。首先基于Res-UNet模型对短波辐照(SWR)网格进行时空预测;然后对预测的SWR网格进行空间插值得到地面分布式站点的未来辐照度;最后构建基于编解码器的长短期记忆(LSTM)模型预测光伏出力。其中Res-UNet可以充分学习SWR网格的时空相关性,LSTM通过引入日编码和时间编码可以更好地学习辐照度的年周期性和日周期性。在真实光伏电站上的功率实验表明,与以数值天气预报辐照度为输入的光伏功率预测方法相比,以Res-UNet+插值预测的辐照度为输入的光伏功率预测方法实现了更高精度的超短期光伏功率预测。 展开更多

关键词 超短期光伏功率预测 卫星遥感 Res-UNet 辐照度 时空相关性 短波辐照(SWR)

下载PDF 职称材料

基于VMD-GWO-ELMAN的光伏功率短期预测方法 被引量：17

19

作者 张娜 任强 +2 位作者 刘广忱 郭力萍 李静宇 《中国电力》 CSCD 北大核心 2022年第5期57-65,共9页

以进一步提高光伏输出功率短期预测的准确性和可靠性为目标,针对传统Elman神经网络权值和阈值盲目随机的缺点以及光伏输出功率信号波动性和非平稳性的特点,提出一种基于变分模态分解(VMD)和灰狼优化算法(GWO)优化Elman神经网络的光伏输... 以进一步提高光伏输出功率短期预测的准确性和可靠性为目标,针对传统Elman神经网络权值和阈值盲目随机的缺点以及光伏输出功率信号波动性和非平稳性的特点,提出一种基于变分模态分解(VMD)和灰狼优化算法(GWO)优化Elman神经网络的光伏输出功率短期预测模型。首先,使用Kmeans算法对原始数据按天气类型进行聚类;然后,使用VMD对每一类型天气光伏输出功率数据进行分解,分别将各分解子序列输入经GWO优化的Elman神经网络进行光伏输出功率预测;最后,将各预测结果进行叠加。实例证明:该模型的预测精度有所提升。 展开更多

关键词 K-MEANS聚类 变分模态分解 灰狼优化算法 ELMAN神经网络 短期光伏功率预测

下载PDF 职称材料

基于灰色关联分析和GeoMAN模型的光伏发电功率短期预测 被引量：22

20

作者 时珉 许可 +2 位作者 王珏 尹瑞 张沛 《电工技术学报》 EI CSCD 北大核心 2021年第11期2298-2305,共8页

准确预测光伏发电功率对电网调度具有十分重要的意义。该文提出一种基于灰色关联分析和GeoMAN模型的光伏发电功率短期预测方法。首先,利用灰色关联分析对某地区多光伏电站进行空间相关性分析,选取与待预测光伏电站高度相关的周边电站;然... 准确预测光伏发电功率对电网调度具有十分重要的意义。该文提出一种基于灰色关联分析和GeoMAN模型的光伏发电功率短期预测方法。首先,利用灰色关联分析对某地区多光伏电站进行空间相关性分析,选取与待预测光伏电站高度相关的周边电站;然后,基于GeoMAN模型动态提取待预测光伏电站的时空特征和外部气象因素,GeoMAN模型采用编解码结构,利用编码器动态提取待预测光伏电站的站内特征和与周边相关电站的站间空间特征,利用解码器提取输入变量的时间特性,并融合晴空指数和数值天气预报动态输出光伏发电预测功率;最后,采用实际光伏电站进行案例分析,结果表明该文所提出的预测方法与传统LSTM模型相比,实现了更高精度的光伏发电功率短期预测。 展开更多

关键词 光伏功率短期预测 灰色关联分析 GeoMAN模型 时空相关性 注意力机制

下载PDF 职称材料