基于深度学习的超短期光伏精细化预测模型研究

摘要：

光伏发电系统的超短期功率预测对电网调度的计划安排及光伏发电系统的优化运行具有重要意义.机器学习、人工智能领域的技术进步为精细化分析光伏功率预测影响因素并提高光伏预测精度提供了有效途径.提出一种基于深度结构网络模型的光伏超短期功率预测方法,首先根据光伏发电系统的机理特征,分析深度学习算法处理光伏预测问题的可行性;然后提出基于深度学习算法的光伏功率预测模型,采用基于受限玻尔兹曼机的深度置信网络提取深层特征完成无监督学习过程,采用有监督BP神经网络作为常规拟合层获得预测结果;并立足于实际需求,建立含离线训练和在线预测的双阶段光伏发电预测系统,分析天气信息及历史信息的输入属性;最后利用光伏发电系统的实际运行数据进行仿真,验证算法准确性和有效性,通过比较深度结构是否包含无监督学习过程,说明其在预测中的重要性.

关键词：光伏发电、超短期功率预测、精细化分析、深度学习、离线训练和在线预测

所属期刊栏目：38

分类号：TM715(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金项目51507061;中央高校基本科研业务费专项基金2016XS10;电网技术国际标准研制201510207-3Project supported by National Natural Science Foundation of China51507061;Fundamental Research Funds for the Central Universities2016XS10;Development of International standards for power grid technology201510207-3

在线出版日期：2017-07-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：28-35