基于生成对抗网络的小样本光伏发电短期预测 |
| |
引用本文: | 牛宇童,冯天波,李庆,崔昊杨.基于生成对抗网络的小样本光伏发电短期预测[J].电源技术,2022(11):1325-1329. |
| |
作者姓名: | 牛宇童 冯天波 李庆 崔昊杨 |
| |
作者单位: | 1. 上海电力大学电子与信息工程学院;2. 国网上海市电力公司信息通信公司;3. 国网上海市电力公司闸北发电厂 |
| |
摘 要: | 光伏发电精准预测是光伏新能源合理调度的依据,然而新建光伏电站发电样本数据不足是降低预测精度的重要因素。利用数据增强算法对光伏发电样本进行扩充,是解决小样本光伏发电预测问题的重要方法,因此,提出一种基于WGAN(Wasserstein generative adversarial network)算法的数据增强方法和基于LSTM算法的小样本光伏发电预测方法。利用源域数据集训练WGAN算法并引入深度迁移学习算法对其训练参数进行迁移优化,完成小样本数据集高效扩充。通过Pearson系数对气象参数和发电量的相关性进行分析,对多气象参数权重进行赋值,利用实际发电值修正LSTM预测模型。公开数据集实验结果表明,该方法对小样本光伏发电预测准确性提升了33.4%,对新建的太阳能电站发电预测具有实际指导意义。
|
关 键 词: | 生成式对抗网络(generative adversarial network GAN) 光伏预测 深度迁移学习 小样本 长短时记忆神经网络 |
|
|