基于Attention-LSTM的光伏超短期功率预测模型

被引：89

作者：

马磊 ^{[1
]}

黄伟 ^{[2
]}

李克成 ^{[2
]}

李允昭 ^{[1
]}

李剑 ^{[1
]}

袁博 ^{[1
]}

机构：

[1] 国网新疆电力有限公司

[2] 中国电力科学研究院有限公司

来源：

电测与仪表 | 2021年 / 58卷 / 02期

基金：

国家自然科学基金重点项目;

关键词：

光伏发电; 超短期功率预测; LSTM; 注意力机制;

D O I：

暂无

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：

超短期光伏发电功率预测有利于电网的调度管理,提高电力系统运行效率及经济性。针对传统长短时记忆(LSTM)神经网络在处理长序列输入时易忽略重要时序信息的缺陷,文章提出了一种结合注意力机制(Attention)与LSTM网络的功率预测模型。采用皮尔森相关系数法(Pearson)分析了实验的历史数据集,剔除无关变量,对数据集进行了降维处理,简化了预测模型结构。在此基础上将Attention机制与LSTM网络相结合作为预测模型。Attention机制通过对LSTM的输入特征赋予了不同的权重,使得预测模型对长时间序列输入的处理更为有效。以某地光伏电站实测数据对文中所提模型进行训练和对比验证,所提出的预测模型能够更充分地利用历史数据,对长时间输入序列中的关键信息部分更为敏感,预测精度更高。

引用

页码：146 / 152

页数：7

共 5 条

[1]

电力市场中基于Attention-LSTM的短期负荷预测模型 [J].