基于时间序列的深度学习光伏发电模型研究
为了减少光伏系统接入电网产生的不利影响,并对预测光伏功率输出进行研究,提出了一种基于数据中潜在季节类别的混合深度学习模型.整个模型分为三个阶段,即聚类、训练和预测.在聚类阶段,采用相关分析和自组织映射来选择历史数据中相关性最高的因素.在训练阶段,将卷积神经网络、长短期记忆神经网络和注意力机制相结合,以构建用于预测的混合深度学习模型.在预测阶段,按测试集的月份选择分类的预测模型.实验结果表明,该实验方法在7.5 min内的间隔预测中具有较高的准确性.
光伏发电;光伏功率预测;季节类别;自组织映射;深度学习;注意力机制
49
浙江省基础公益研究计划项目资助LGF18F 020017
2021-10-28(万方平台首次上网日期,不代表论文的发表时间)
共12页
87-98