基于时间序列的深度学习光伏发电模型研究

为了减少光伏系统接入电网产生的不利影响,并对预测光伏功率输出进行研究,提出了一种基于数据中潜在季节类别的混合深度学习模型.整个模型分为三个阶段,即聚类、训练和预测.在聚类阶段,采用相关分析和自组织映射来选择历史数据中相关性最高的因素.在训练阶段,将卷积神经网络、长短期记忆神经网络和注意力机制相结合,以构建用于预测的混合深度学习模型.在预测阶段,按测试集的月份选择分类的预测模型.实验结果表明,该实验方法在7.5 min内的间隔预测中具有较高的准确性....

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	电力系统保护与控制 2021-10, Vol.49 (19), p.87-98
Hauptverfasser:	刘倩, 胡强, 杨凌帆, 周杭霞
Format:	Artikel
Sprache:	chi
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Beschreibung
Zusammenfassung:	为了减少光伏系统接入电网产生的不利影响,并对预测光伏功率输出进行研究,提出了一种基于数据中潜在季节类别的混合深度学习模型.整个模型分为三个阶段,即聚类、训练和预测.在聚类阶段,采用相关分析和自组织映射来选择历史数据中相关性最高的因素.在训练阶段,将卷积神经网络、长短期记忆神经网络和注意力机制相结合,以构建用于预测的混合深度学习模型.在预测阶段,按测试集的月份选择分类的预测模型.实验结果表明,该实验方法在7.5 min内的间隔预测中具有较高的准确性.
ISSN:	1674-3415
DOI:	10.19783/j.cnki.pspc.201494