基于分时长短期记忆神经网络的光伏发电超短期功率预测

被引：53

作者：

田剑刚 ^{[1
]}

张沛 ^{[1
]}

彭春华 ^{[1
]}

时珉 ^{[2
]}

王铁强 ^{[2
]}

尹瑞 ^{[2
]}

王一峰 ^{[2
]}

机构：

[1] 华东交通大学电气与自动化工程学院

[2] 国网河北省电力有限公司

来源：

现代电力 | 2020年 / 37卷 / 06期

关键词：

光伏发电; 超短期功率预测; 长短期记忆网络; Spearman相关系数; 分时预测;

D O I：

10.19725/j.cnki.1007-2322.2019.1026

中图分类号：

TP183 [人工神经网络与计算]; TM615 [太阳能发电];

学科分类号：

080811 [新能源发电与电能存储]; 140502 [人工智能];

摘要：

准确预测光伏发电功率对电力系统运行调度至关重要。提出一种基于Spearman相关系数和分时长短期记忆网络的光伏发电功率预测方法。首先利用Spearman相关系数分析每个时刻下影响光伏发电功率的因素,选取相关度高的影响因素作为长短期记忆网络模型的输入变量;然后,对每个时刻建立一个基于长短期记忆网络的预测模型,实现分时光伏发电功率的预测。最后,利用实际光伏发电站的历史发电功率和数值天气预报数据进行案例分析。结果表明,所提方法比单一长短期记忆网络预测模型具有更高的预测精度。

引用

页码：629 / 638

页数：10

共 18 条

[1]

Effective Spectral and Excitation Modeling Techniques for LSTM-RNN-Based Speech Synthesis Systems [J].