基于加权扩展日特征矩阵的分布式光伏发电日前功率预测
分布式户用光伏发电系统的精确日前功率预测可为智能家庭优化运行提供依据,但历史数据量少和缺乏精确辐照预报数据的问题增大了预测难度.为此,将邻近多用户数据融合以扩充样本规模,提出一种考虑功率关联性和相关度权重的相似日搜索方法,并基于长短期记忆(LSTM)神经网络实现日前预测.分析光伏发电功率的影响因素及其内在相关性,基于天气类型统计数据划分日类型,并利用气象信息、相同日类型的历史功率信息和皮尔逊积矩相关系数构造加权扩展日特征矩阵.提取历史数据中与待预测日特征矩阵欧氏距离最小相似日的光伏功率,将其与关键气象特征共同输入LSTM神经网络模型进行预测.以北美丹佛市多个用户的实测数据验证了所提方法的有效性,该方法能够适用于历史数据受限的场景,且在多种天气类型下显著降低了预测误差.
分布式光伏;日前功率预测;相关性;日特征矩阵;相似日;神经网络
42
TM615(发电、发电厂)
国家自然科学基金51877133
2022-02-22(万方平台首次上网日期,不代表论文的发表时间)
共7页
99-105