| 基于TCN-BiLSTM-Attention-ESN的光伏功率预测 |
| |
| 作者姓名： | 时培明 郭轩宇 杜清灿 许学方 贺长波 李瑞雄 |
| |
| 作者单位： | 1.燕山大学电气工程学院,秦皇岛 066004; 2.华能陇东能源有限责任公司,庆阳 745000; 3.安徽大学电气工程与自动化学院,合肥 230601; 4.西安交通大学能源与动力工程学院,西安 710048 |
| |
| 基金项目： | 河北省自然科学基金青年项目（E2022203093）; 安徽省自然科学基金青年项目（2108085QE229）; 2021年安徽省高校与人工智能研究院协同创新项目（GXXT-2021-010）; 燕山大学基础创新科研培育项目（2021LGQN022） |
| |
| 摘 要： | 针对光伏发电功率随机性强、难以准确预测的问题,提出一种基于时间卷积网络（TCN）、双向长短期记忆网络（BiLSTM）和回声状态网络（ESN）的组合预测方法。首先,使用自适应噪声完备集合经验模态分解（CEEMDAN）将功率数据分解为一系列相对平稳、不同波动模式的子功率序列;再将分解重构后的功率序列和其他特征序列输入到TCN-BiLSTM-Attention-ESN组合模型中,其中TCN-BiLSTM-Attention用于提取光伏序列波动特征并构建时空特征向量;最后,将所提取的时空特征向量输入ESN获得预测结果。采用新疆某光伏电站的光伏功率数据进行验证,结果表明与时下先进的预测方法相比,所提方法具有更高的预测精度,有助于提升光伏发电占比,保障电力系统平衡和运行安全。
|
| 关 键 词： | 光伏发电功率 预测 神经网络 回声状态网络 时间卷积网络 双向长短期记忆网络 |
| 收稿时间： | 2023-05-19 |
|
| 点击此处可从《太阳能学报》浏览原始摘要信息 |
|
点击此处可从《太阳能学报》下载全文 |
|
