基于气象因素充分挖掘的BiLSTM光伏发电短期功率预测

• 作者: 刘阿慧 徐先峰 蔡路路 陈雨露
• 来源期刊: 计算机系统应用
• 关键词: 光伏发电预测 气象因素 特征提取 K近邻算法 双向长短期记忆网络
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 205-211
• 页数: 7页
• 字数: 3672字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007529]

摘要

传统光伏发电功率预测存在因气象因素特征提取不综合不精确而导致预测精度不高的问题.为了充分挖掘气象因素对光伏出力的影响,并有效利用深度学习技术在非线性拟合方面的优势,本文提出了一种基于气象因素充分挖掘的双向长短期记忆(Bi-directional Long Short Term Memory,BiLSTM)网络光伏发电短期功率预测方法.在对原始数据进行异常值及标准化处理的基础上,采用K近邻算法(K-Nearest Neighbor,KNN)在外界温度、湿度、压强等诸多气象因素中充分挖掘影响光伏出力的关键因素,重构多元数据序列,并在探索输入层时间步长、模型层数及每层维数等超参数的合理设置方案的基础上,构建BiLSTM网络模型,实现光伏发电短期功率的高精度预测.仿真结果表明,与KNN、深度信念网络(DBN)、BiLSTM、PCA-LSTM等经典方法比较,所提KNN-BiLSTM方法具有更高的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐先峰	长安大学电子与控制工程学院	21	77	5.0	8.0
2	刘阿慧	长安大学电子与控制工程学院	2	0	0.0	0.0
3	陈雨露	长安大学电子与控制工程学院	2	0	0.0	0.0
4	蔡路路	长安大学电子与控制工程学院	1	0	0.0	0.0