| 基于深度学习的光伏并网系统谐波预测研究 |
| |
| 引用本文： | 杨鹏兴,王秀丽,赵兴勇,胡莹洁. 基于深度学习的光伏并网系统谐波预测研究[J]. 电网与水力发电进展, 2022, 38(7): 71-80 |
| |
| 作者姓名： | 杨鹏兴 王秀丽 赵兴勇 胡莹洁 |
| |
| 作者单位： | 1. 山西大学 电力与建筑学院;2. 中国矿业大学 信息与控制工程学院 |
| |
| 基金项目： | 甘肃省省青年科技基金（17JR5RA346）；山西省科技基础条件平台建设基金（2014091034） |
| |
| 摘 要： | “双碳”目标下，针对温度及光照的变化对光伏系统并网引起的谐波影响问题，提出一种基于ip-iq谐波提取法与改进双向长短期记忆网络（Bi-LSTM）相结合的谐波预测方法，旨在为谐波抑制提供新的解决方案。首先使用MATLAB/SIMULINK工具建立光伏并网系统，利用基于瞬时无功理论的ip-iq谐波提取法得到实际谐波变化数据，并采用微分插值将数据进行化简；然后，利用网格搜索优化的Bi-LSTM神经网络算法进行谐波数据的预测，并与BP、LSTM、GRU、Bi-LSTM多种时间序列型深度学习方法进行比较，得出MSE、MAE、MAPE损失函数与预测结果图；最后，以陇东地区实际算例进行光伏并网仿真，结果表明，该方法可实现谐波的准确预测。
|
| 关 键 词： | 光伏并网；电能质量；谐波预测；双向长短期记忆网络（Bi-LSTM） |
Research on Harmonic Prediction of the Grid-Connected Photovoltaic System Based on Deep Learning |
| |
| YANG Pengxing,WANG Xiuli,ZHAO Xingyong,HU Yingjie. Research on Harmonic Prediction of the Grid-Connected Photovoltaic System Based on Deep Learning[J]. Advance of Power System & Hydroelectric Engineering, 2022, 38(7): 71-80 |
| |
| Authors: | YANG Pengxing WANG Xiuli ZHAO Xingyong HU Yingjie |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《电网与水力发电进展》浏览原始摘要信息 |
|
点击此处可从《电网与水力发电进展》下载全文 |
