基于宽度学习系统的光伏发电功率超短期预测

被引：83

作者：

周楠 ^{[1
]}

徐潇源 ^{[1
]}

严正 ^{[1
]}

陆建宇 ^{[2
]}

李亚平 ^{[3
]}

机构：

[1] 电力传输与功率变换控制教育部重点实验室(上海交通大学)

[2] 国家电网公司华东分部

[3] 中国电力科学研究院有限公司(南京)

来源：

电力系统自动化 | 2021年 / 45卷 / 01期

关键词：

光伏发电功率预测; 自组织映射; 宽度学习系统; 多步长预测;

D O I：

暂无

中图分类号：

TM615 [太阳能发电]; TP18 [人工智能理论];

学科分类号：

080811 [新能源发电与电能存储]; 140502 [人工智能];

摘要：

近年来,深度学习被应用于光伏发电预测中,体现出预测精度较高的优点,但也存在训练耗时等问题。对此,提出了一种基于自组织映射与宽度学习系统的光伏发电功率超短期预测模型。首先,采用自组织映射对各时刻的光伏数据进行精细化聚类,提取不同时段与气象条件下的出力波动特征;然后,构建基于宽度学习系统的光伏发电功率多步长预测模型,在网络宽度上扩展节点数目,并通过求解矩阵伪逆训练神经网络,在保证较强高维数据拟合能力的同时,具有较高的计算效率;最后,采用实际光伏发电数据进行算例分析,通过与常用的光伏发电超短期预测方法进行比较,验证所提出的方法在预测精度与训练效率上的优越性。

引用

页码：55 / 64

页数：10

共 11 条

[1]

Deterministic and probabilistic forecasting of photovoltaic power based on deep convolutional neural network.[J].Huaizhi Wang;Haiyan Yi;Jianchun Peng;Guibin Wang;Yitao Liu;Hui Jiang;Wenxin Liu.Energy Conversion and Management.2017,

[2]

Day-ahead forecasting of solar power output from photovoltaic plants in the American Southwest.[J].David P. Larson;Lukas Nonnenmacher;Carlos F.M. Coimbra.Renewable Energy.2016,

[3]

基于BLS的无刷发电机旋转整流器特征提取技术研究 [J].