基于云图特征自识别的光伏超短期预测模型

摘要：

光伏电池超短期输出功率变化的主要原因来源于云层的无规则运动,会在1～2min的时间尺度内显著地影响输出功率,因此提出了天空云图预测方法提高光伏超短期功率预测的准确性.首先,采用云层灰度鉴别对云图提取云形状、云透射率等信息.然后,通过云点跟踪对云运动进行还原,得到云层的位移和速度等信息.接下来提出了云图特征联想和长短期记忆(cloud feature association-long short-term memory,CFA-LSTM)模型,通过在LSTM模型中加入图像特征联想(cloud feature association,CFA),从而将光伏超短期输出功率与天空云图关联起来.最后基于云增强现象(cloud enhancement model,CEM),提出了由晴空辐照度作为标准的CEM-LSTM切换模型.实验证明,CEM-LSTM切换模型在全气候条件下不仅可以满足光伏超短期功率预测高精度的准确性需求,还可以满足光伏超短期功率预测高精度、高稳定性的可靠性需求,为光伏电站的高效经济运行提供了可能.

关键词：云图特征自识别、云层鉴别、云点跟踪、切换模型、云图特征联想和长短期记忆

所属期刊栏目：45

分类号：TM721(输配电工程、电力网及电力系统)

资助基金：上海市科技创新行动计划社会发展科技领域项目No.19DZ1206800

在线出版日期：2021-03-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1023-1031,中插17-中插20