| 基于深度学习模型的新能源电站一体化短期功率预测 |
| |
| 引用本文： | 尹兆磊,刘嗣萃,于立强,毕圆圆. 基于深度学习模型的新能源电站一体化短期功率预测[J]. 热能动力工程, 2023, 38(6): 137-146 |
| |
| 作者姓名： | 尹兆磊 刘嗣萃 于立强 毕圆圆 |
| |
| 作者单位： | 国网冀北电力有限公司承德供电公司,河北 承德 067000 |
| |
| 基金项目： | 国家自然科学基金项目（71471070） |
| |
| 摘 要： | 为了解决风力发电和光伏发电随机性、波动性、间歇性造成的新能源功率预测建模和精度不高问题，基于深度学习模型变分自动编码器(Variational Auto-Encoder, VAE)在时间序列建模和非线性逼近特征提取方面的优异性能，开展新能源电站VAE模型功率短期预测研究，并与循环神经网络(RNN)、长短期记忆(LSTM)深度学习方法和支持向量回归(SVR)机器学习方法的预测结果进行了对比。光伏电站和风电场独立功率预测结果表明，深度学习模型较基线机器学习模型预测性能更好，基于VAE的预测方法能够学习更高级别的特征，其预测性能表现更佳，光伏功率预测模型的RMSE、MAE和R2值分别为1.593、1.098和0.973;风光一体化功率预测结果表明，VAE和RNN模型能够提高功率预测准确性，其一体化功率预测模型的R2值分别为0.96和0.97。
|
| 关 键 词： | 一体化功率预测 深度学习 变分自动编码器 RNN |
Short-term Power Prediction for Integrated New Energy Power Station based on Deep Learning Model |
| |
| YIN Zhao-lei,LIU Si-cui,YU Li-qiang,BI Yuan-yuan. Short-term Power Prediction for Integrated New Energy Power Station based on Deep Learning Model[J]. Journal of Engineering for Thermal Energy and Power, 2023, 38(6): 137-146 |
| |
| Authors: | YIN Zhao-lei LIU Si-cui YU Li-qiang BI Yuan-yuan |
| |
| Affiliation: | Chengde Power Supply Company,State Grid Jibei Electric Power Co.,Ltd.,Chengde,China,Post Code:067000 |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《热能动力工程》浏览原始摘要信息 |
|
点击此处可从《热能动力工程》下载免费的PDF全文 |
|
