利用2DGRA-BiLSTM模型的日前光伏功率曲线预测方法 |
| |
引用本文: | 陈柏恒,陈志聪,吴丽君,林培杰,程树英.利用2DGRA-BiLSTM模型的日前光伏功率曲线预测方法[J].福州大学学报(自然科学版),2024(1):20-28. |
| |
作者姓名: | 陈柏恒 陈志聪 吴丽君 林培杰 程树英 |
| |
作者单位: | 福州大学物理与信息工程学院,微纳器件与太阳能电池研究所 |
| |
基金项目: | 国家自然科学基金资助项目(62271151); |
| |
摘 要: | 为了克服光伏发电固有的间断性和波动性对电网稳定性的负面影响,提出一种二维灰度关联分析-双向长短期记忆神经网络(two-dimensional grey relational analysis and bidirectional long short-term memory network, 2DGRA-BiLSTM)模型,用于实现日前光伏功率曲线预测,以更好指导电网调度.不同于以往的点预测,本研究将日功率曲线作为整体进行预测.首先用2DGRA实现最佳历史相似日数据的获取;其次,根据日功率曲线的波动性将总数据分为3类;最后,根据3种分类,分别训练3种BiLSTM模型对日功率曲线进行预测.所提出的预测模型通过沙漠知识澳大利亚太阳能中心历史气象和功率数据进行训练,并通过数值天气预报和功率数据进行测试.对比其他几种神经网络模型,实验表明所提出模型具有更好的综合预测性能,在晴空、轻度非晴空和重度非晴空条件下,决定系数(R2)分别为0.994、0.940和0.782.
|
关 键 词: | 光伏功率 日前预测 二维灰度关联分析 双向长短期记忆神经网络 |
|
|