考虑空间相关性采用LSTM神经网络的光伏出力短期预测方法

被引：74

作者：

王志远 ^{[1
]}

王守相 ^{[1
]}

陈海文 ^{[1
]}

闫秉科 ^{[2
]}

机构：

[1] 天津大学智能电网教育部重点实验室

[2] 国网湖北省电力公司电力科学研究院

来源：

电力系统及其自动化学报 | 2020年 / 32卷 / 05期

关键词：

光伏出力预测; 空间相关性; LSTM神经网络; 随机性光伏出力; 概率分布;

D O I：

10.19635/j.cnki.csu-epsa.000298

中图分类号：

TM615 [太阳能发电]; TP183 [人工神经网络与计算];

学科分类号：

080811 [新能源发电与电能存储]; 140502 [人工智能];

摘要：

为了提高光伏出力短期预测精度,提出了一种考虑空间相关性采用长短期记忆LSTM(long short-term memory)神经网络的预测方法。该方法首先在周边光伏电站中依据光伏序列的延迟相关性选取参考电站,在此基础上,依据光伏出力随机性部分持续时间的概率分布,分时段对其进行空间相关性分析,选择与目标电站相关性较强的光伏序列;然后,结合目标电站气象数据的主成分分析结果和历史光伏数据,构建LSTM神经网络模型;最后,通过仿真实验分析验证了所提预测方法的有效性。

引用

页码：78 / 85

页数：8

共 11 条

[1]

考虑优化ARIMA模型差分次数的风功率预测 [J].