基于图机器学习的分布式光伏发电预测

被引：18

作者：

阚博文 ^{[1
]}

刘广一 ^{[1
]}

KHODAYAR Mahdi ^{[1
,2
]}

周建其 ^{[3
]}

魏龙飞 ^{[1
]}

谭俊 ^{[1
]}

汤亚宸 ^{[1
]}

机构：

[1] 全球能源互联网美国研究院

[2] Southern Methodist University

[3] 国网嘉兴供电公司

来源：

供用电 | 2019年 / 36卷 / 11期

关键词：

图机器学习; 光伏预测; 图卷积; LSTM; DNN;

D O I：

10.19421/j.cnki.1006-6357.2019.11.003

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：

文章基于图机器学习提出了一种面向分布式光伏电站的深度时空特征提取预测模型。首先,针对临近区域的光伏电站进行图建模,使用长短期记忆(long short-term memory,LSTM)模型进行时间特征抓取,使用图卷积原理对电站空间特征进行提取。根据提取的时空特征信息以及历史数据和临近其他区域内光伏电站历史发电数据,训练光伏发电预测模型。以国内某地266个光伏电站为实验对象,实验结果表明基于图机器学习的预测模型进行日前预测,预测误差率仅为5.66%,低于其他机器学习模型预测结果。该模型针对光伏电站15min前发电预测可以捕获当天瞬间出力变化曲线。

引用

页码：20 / 27

页数：8

共 8 条

[1]

基于长短期记忆神经网络的配电网负荷预测方法研究 [J].

史静 ;

李琥 ;

李冰洁 ;

谈健 ;

刘丽新 .

供用电, 2019, 36 (07) :71-77+90

[2]

基于IKFCM与多模态SSO优化SVR的光伏发电短期预测 [J].

黄予春 ;

曹成涛 ;

顾海 .

电力系统保护与控制, 2018, 46 (24) :96-103

[3]

基于双层Elman神经网络的光伏发电功率预测 [J].

曹煜祺 ;

张立梅 ;

白牧可 .

供用电, 2017, 34 (10) :8-13

[4]

省级光伏发电功率预测与运行监测平台 [J].

孙芊 ;

许沛华 ;

周宁 ;

冯光 ;

徐恒博 .

供用电, 2017, 34 (10) :37-41

[5]

西藏阿里地区光储型微电网示范工程与应用 [J].

刘千杰 ;

刘云 ;

吉小鹏 ;

乔峰 ;

金强 .

供用电, 2015, (01) :44-49

[6]

Machine learning methods for solar radiation forecasting: A review.[J].Cyril Voyant;Gilles Notton;Soteris Kalogirou;Marie-Laure Nivet;Christophe Paoli;Fabrice Motte;Alexis Fouilloy.Renewable Energy.2017,

[7]

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,

[8]

Wavelets on graphs via spectral graph theory.[J].David K. Hammond;Pierre Vandergheynst;Rémi Gribonval.Applied and Computational Harmonic Analysis.2010, 2

← 1 →