基于深度信念网络的光伏电站短期发电量预测

被引：57

作者：

赵亮 ^{[1
]}

刘友波 ^{[1
]}

余莉娜 ^{[2
]}

刘俊勇 ^{[1
]}

机构：

[1] 四川大学电气信息学院

[2] 中国三峡新能源有限公司西南分公司

来源：

电力系统保护与控制 | 2019年 / 47卷 / 18期

关键词：

光伏发电; 短期发电量预测; 神经网络; 深度信念网络; 重构误差;

D O I：

暂无

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：

为了解决现有光伏电站短期发电量预测方法存在的预测模型复杂、预测误差较大、泛化能力较低的问题,提出一种基于深度信念网络的短期发电量预测方法。首先综合考虑影响光伏出力的环境因素和光伏板的运行参数以及光伏电站历史发电量数据,对深度信念网络进行训练和学习。在此基础上,采用重构误差的方法确定深度信念网络隐含层层数。最后针对某光伏电站短期发电量进行预测算例分析,验证了该预测模型能主动选择样本抽象特征、自动确定隐含层层数,对短期发电量预测精度较高。对比前馈反向传播(Back Propagation, BP)神经网络预测模型与长短期记忆网络(Long/Short Term Memory, LSTM)预测模型,结果表明所提方法运算量低、预测精度高,且增加神经网络的深度比改进神经网络神经元对预测效果更有效。

引用

页码：11 / 19

页数：9

共 15 条

[1]

光伏发电系统短期功率预测方法的研究 [D].

徐菁 .

南昌大学,

2016

[2]

Modelling and Prediction of Photovoltaic Power Output Using Artificial Neural Networks.[J].Aminmohammad Saberian;H. Hizam;M. A. M. Radzi;M. Z. A. Ab Kadir;Maryam Mirzaei;Niyaz Mohammad Mahmoodi.International Journal of Photoenergy.2014,

[3]

Representational power of restricted Boltzmann machines and deep belief networks [J].