一种使用CALSTM模型进行短期光伏功率预测的方法

• 作者: 奚瑜 查浩 王鹏志 谢宏文 陈庆文
• 来源期刊: 供用电
• 学科: 工学
• 关键词: 光伏发电 功率预测 卷积神经网络 长短时记忆网络 卷积网络
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 新能源
• 页码范围: 61-66
• 页数: 6页
• 分类号: TM74
• 语种: 中文
• DOI: 10.19421/j.cnki.1006-6357.2020.12.009

摘要

光伏发电功率精准预测可有助于提升能源系统的安全性和稳定性.对于多变量的高维光伏功率数据,提出了一种带注意力机制的卷积网络与长短时记忆网络相结合的组合模型(CALSTM),用于同步提取其空间和时间特征,并对光伏功率进行准确的短期预测.针对光伏功率数据集GermanSolarFarm,将CALSTM预测与其他常见的6种常用的预测方法进行了对比实验,实验结果表明,CALSTM预测结果与真实值的误差均优于其他方法,证明了算法的有效性和优越性.