结合用户画像的DTW-MANN-FM分布式光伏短期出力预测模型

为解决分布式光伏短期预测中发电户特性差异、地理位置偏移导致气象数据偏差的问题，并进一步提升算法预测性能，提出结合用户画像的动态时间规整（dynamic time warping,DTW）-多头自注意力神经网络（multi-head attention neural network,MANN）-因子分解机（factorization machine,FM）预测模型。首先分析发电户档案数据和历史发电数据，统计出用户画像；再结合基于DTW标准气象特征修正偏移算法，形成合理、完善的“用户+气象”特征组合样本；最后使用加权的数据样本对模型进行训练。仿真阶段使用江苏省真实光伏、气象数据，将所提模型与当前业界先进的若干光伏预测模型进行对比实验，结果表明该模型具有更高的准确度和鲁棒性，表现出更佳的预测性能。