基于MIPCA与GRU网络的光伏出力短期预测方法

被引：29

作者：

周恒俊 ^{[1
]}

王璇 ^{[2
]}

王志远 ^{[2
]}

许若冰 ^{[1
]}

机构：

[1] 国网江苏省电力有限公司南京供电分公司

[2] 天津相和电气科技有限公司

来源：

电力系统及其自动化学报 | 2020年 / 32卷 / 09期

关键词：

光伏出力预测; 互信息; 主成分分析; 门控循环单元神经网络;

D O I：

10.19635/j.cnki.csu-epsa.000630

中图分类号：

TM615 [太阳能发电];

学科分类号：

080811 [新能源发电与电能存储];

摘要：

高精度的光伏出力预测有助于电力系统的安全经济运行和电力资源的协调利用。本文提出了一种新颖的基于互信息矩阵主成分分析与门控循环单元网络的光伏出力短期预测方法。此方法为解决传统主成分分析只能衡量特征变量间线性关系的局限性,将互信息引入主成分分析中以优化主成分分析结果和预测模型的输入变量。结合基于互信息的主成分分析结果及历史光伏出力数据,构建了有更强适用性的门控循环单元预测模型。此外,为更有效地训练模型参数并防止过拟合现象,在优选模型结构的同时引入Adam算法和Dropout技术以进一步优化光伏出力预测模型。算例分析表明,本文所提预测方法较其他方法能更有效地进行特征分析、更准确地把握光伏出力的变化规律,表现出了更高的预测精度。

引用

页码：55 / 62

页数：8

共 8 条

[1]

频域分解和深度学习算法在短期负荷及光伏功率预测中的应用 [J].