基于K-means++和混合深度学习的光伏功率预测

• 作者: 陈振祥 林培杰 程树英 陈志聪 吴丽君
• 来源期刊: 电气技术
• 关键词: 光伏功率预测 K-means聚类 卷积神经网络 长短期记忆网络
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 研究与开发|Research & Development
• 页码范围: 7-13,33
• 页数: 8页
• 语种: 中文
• DOI: 10.3969/j.issn.1673-3800.2021.09.002

摘要

光伏发电输出具有较强的波动性,影响电力系统的调度管理.对此,本文提出一种基于K-means++和混合卷积神经网络(CNN)与长短期记忆(LSTM)网络的光伏功率预测模型.首先,利用K-means++对历史数据集进行分类,选取合适的数据集作为训练集;其次,搭建以历史功率为输入的LSTM模型获得待修正预测功率值,采用卷积神经网络挖掘气象参数与光伏功率的非线性关系,获取修正系数,对待修正预测功率值进行修正,提高预测精度;最后,在点预测模型的基础上,给予输入参数一定的随机波动,进行多次预测,获取预测误差集,进而获得预测区间.通过澳大利亚沙漠太阳能研究中心光伏电站数据集,选择LSTM、CNN-LSTM及K-LSTM算法进行对比,验证了本文方法具有较高的预测精度和稳定性,且能实现准确的输出功率区间预测.