考虑空间相关性采用LSTM神经网络的光伏出力短期预测方法

被引：35

作者：

王志远 ^{[1
]}

王守相 ^{[1
]}

陈海文 ^{[1
]}

闫秉科 ^{[2
]}

机构：

[1] 天津大学智能电网教育部重点实验室

[2] 国网湖北省电力公司电力科学研究院

来源：

电力系统及其自动化学报 | 2020年 / 32卷 / 05期

关键词：

光伏出力预测; 空间相关性; LSTM神经网络; 随机性光伏出力; 概率分布;

D O I：

10.19635/j.cnki.csu-epsa.000298

中图分类号：

TM615 [太阳能发电]; TP183 [人工神经网络与计算];

学科分类号：

0807 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

为了提高光伏出力短期预测精度,提出了一种考虑空间相关性采用长短期记忆LSTM(long short-term memory)神经网络的预测方法。该方法首先在周边光伏电站中依据光伏序列的延迟相关性选取参考电站,在此基础上,依据光伏出力随机性部分持续时间的概率分布,分时段对其进行空间相关性分析,选择与目标电站相关性较强的光伏序列;然后,结合目标电站气象数据的主成分分析结果和历史光伏数据,构建LSTM神经网络模型;最后,通过仿真实验分析验证了所提预测方法的有效性。

引用

页码：78 / 85

页数：8

共 12 条

[1] 考虑优化ARIMA模型差分次数的风功率预测
曹俊波
周任军
邓学华
范文帅
刘利黎
孙嘉赣
[J]. 电力系统及其自动化学报, 2019, 31 (01) : 105 - 111
[2] 基于IKFCM与多模态SSO优化SVR的光伏发电短期预测
黄予春
曹成涛
顾海
[J]. 电力系统保护与控制, 2018, 46 (24) : 96 - 103
[3] 基于混沌-RBF神经网络的光伏发电功率超短期预测模型
王育飞
付玉超
孙路
薛花
[J]. 电网技术, 2018, 42 (04) : 1110 - 1116
[4] 基于长短期记忆网络的风电场发电功率超短期预测
朱乔木
李弘毅
王子琪
陈金富
王博
[J]. 电网技术, 2017, 41 (12) : 3797 - 3802
[5] 利用空间相关性的超短期风速预测
陈宁
薛禹胜
丁杰
陈振龙
王维洲
汪宁渤
[J]. 电力系统自动化, 2017, 41 (12) : 124 - 130
[6] 关于利用空间相关性预测风速的评述
薛禹胜
陈宁
王树民
文福拴
林振智
汪震
[J]. 电力系统自动化, 2017, 41 (10) : 161 - 169
[7] 考虑光伏电站时空相关性的光伏出力序列生成方法
夏泠风
黎嘉明
赵亮
艾小猛
方家琨
文劲宇
谢海莲
[J]. 中国电机工程学报, 2017, 37 (07) : 1982 - 1993
[8] 基于改进BP-SVM-ELM与粒子化SOM-LSF的微电网光伏发电组合预测方法
单英浩
付青
耿炫
朱昌亚
[J]. 中国电机工程学报, 2016, 36 (12) : 3334 - 3343
[9] 基于空间相关性的风电功率预测研究综述
叶林
赵永宁
[J]. 电力系统自动化, 2014, 38 (14) : 126 - 135
[10] 太阳能光伏发电的中长期随机特性分析
张曦
康重庆
张宁
黄越辉
刘纯
徐健飞
[J]. 电力系统自动化, 2014, 38 (06) : 6 - 13

← 1 2 →