基于强化学习和组合式深度学习模型的超短期光伏功率预测

被引：104

作者：

孟安波

许炫淙

陈嘉铭

王陈恩

周天民

殷豪

机构：

[1] 广东工业大学自动化学院

来源：

电网技术 | 2021年 / 45卷 / 12期

关键词：

光伏功率预测; 长短时记忆网络; 门控循环单元; 循环神经网络; Q学习算法; 组合模型;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; 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：

超短期光伏功率预测对光伏并网系统的安全运行有着重要意义。针对传统单一预测模型在进行光伏功率预测时受到功率随机波动性的影响导致预测精度往往不理想的问题,提出了组合式深度学习预测模型。首先,采用小波包分解对原始光伏功率序列进行分解,初步降低了原始光伏功率的非稳定性。其次,在此基础上分别采用长短时记忆网络、门控循环单元与循环神经网络3个单一模型对光伏功率进行预测得到3个预测结果并加权组合。最后,利用强化学习的Q学习算法对组合权重进行优化,进而最大化组合模型的预测性能。以某地光伏电站实测数据进行实验,结果表明文中所提出的组合预测模型优于其他预测模型,并验证了所提模型的有效性。

引用

页码：4721 / 4728

页数：8

共 16 条

[1]

基于混沌时间序列的光伏功率预测方法研究 [D].

虞海彪 .

合肥工业大学,

2020

[2]

风电功率组合预测方法及其应用研究 [D].

李晓曦 .

华北电力大学(北京),

2016

[3]

A novel ensemble reinforcement learning gated unit model for daily PM2.5 forecasting.[J].Yanfei Li;Zheyu Liu;Hui Liu.Air Quality; Atmosphere & Health.2020, prepublish

[4]

Prediction of photovoltaic power output based on similar day analysis; genetic algorithm and extreme learning machine.[J].Yi Zhou;Nanrun Zhou;Lihua Gong;Minlin Jiang.Energy.2020, prepublish

[5]

A hybrid deep learning model for short-term PV power forecasting.[J].Pengtao Li;Kaile Zhou;Xinhui Lu;Shanlin Yang.Applied Energy.2020, C

[6]

Forecasting Power Output of Photovoltaic Systems Based on Weather Classification and Support Vector Machines [J].