基于深度学习的超短期光伏精细化预测模型研究

• 作者: 史佳琪 张建华
• 来源期刊: 电力建设
• 学科: 工学
• 关键词: 光伏发电 超短期功率预测 精细化分析 深度学习 离线训练和在线预测
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 人工智能在新一代能源电力系统中的应用
• 页码范围: 28-35
• 页数: 8页
• 分类号: TM715
• 字数: 6663字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-7229.2017.06.005

摘要

光伏发电系统的超短期功率预测对电网调度的计划安排及光伏发电系统的优化运行具有重要意义.机器学习、人工智能领域的技术进步为精细化分析光伏功率预测影响因素并提高光伏预测精度提供了有效途径.提出一种基于深度结构网络模型的光伏超短期功率预测方法,首先根据光伏发电系统的机理特征,分析深度学习算法处理光伏预测问题的可行性;然后提出基于深度学习算法的光伏功率预测模型,采用基于受限玻尔兹曼机的深度置信网络提取深层特征完成无监督学习过程,采用有监督BP神经网络作为常规拟合层获得预测结果;并立足于实际需求,建立含离线训练和在线预测的双阶段光伏发电预测系统,分析天气信息及历史信息的输入属性;最后利用光伏发电系统的实际运行数据进行仿真,验证算法准确性和有效性,通过比较深度结构是否包含无监督学习过程,说明其在预测中的重要性.