基于过采样和随机森林的高压隔离开关发热故障诊断 |
| |
作者姓名: | 龚泽威一 曹占国 周帅 杨芳 帅春燕 骆钊 欧阳鑫 |
| |
作者单位: | 国网湖北省电力有限公司电力科学研究院 |
| |
基金项目: | 国家电网公司总部科技项目(4000-202122070A-0-0-00) |
| |
摘 要: | 云团运动的不确定性使得光伏系统输出功率较难准确估计,从而影响新能源并网的可靠性和经济性。为了有效利用卫星的云观测数据,提出了基于云图特征的超短期光伏发电功率预测模型。利用卷积神经网络对卫星云图进行特征提取,且和通过相关性分析后的4种气象特征进行融合,作为光伏发电功率预测模型输入。在此基础上,通过卷积神经网络解析这些特征之间的空间联系,并使用长短期记忆网络实现对光伏输出功率的时间序列预测。此外,考虑到一个自然日中不同时段数据对预测影响不同,引入多头注意力机制来确定关键时间点与关键特征,由此进一步提高所提模型精度。使用光伏电站实际数据以及对应的卫星云图和天气数据,对所提模型的预测效果进行验证。算例分析结果表明,该模型预测精度高且时效性好,特别对于正午辐照较大以及云团运动波动剧烈的时段,模型仍能保证较高的预测精度。
|
关 键 词: | 光伏功率预测 云图特征 长短期记忆网络 卷积神经网络 注意力机制 |
The Thermal Fault Detection of High Voltage Disconnectors Based on Oversampling and Random Forest |
| |
Authors: | GONG Zeweiyi CAO Zhanguo ZHOU Shuai YANG Fang SHUAI Chunyan LUO Zhao OUYANG Xin |
| |
Affiliation: | State Grid Hubei Electric Power Research Institute |
| |
Abstract: | |
| |
Keywords: | |
|
| 点击此处可从《》浏览原始摘要信息 |
|
点击此处可从《》下载全文 |