10.3969/j.issn.2097-0706.2023.01.005
基于TL-LSTM的新能源功率短期预测
新能源功率预测是实现主动配电网运行态势精确感知的关键.针对新能源功率的不确定性和波动性,提出了一种融合迁移学习(TL)和长短期记忆神经网络(LSTM)的新能源功率组合预测方法.引入k-shape聚类算法对不同区域新能源提供的时序数据进行聚类,同时利用各个聚类生成若干预训练模型;结合形态距离指标,选择与目标序列最接近的聚类作为辅助数据簇以准备迁移学习;借助辅助数据簇所对应的预训练模型来完成TL-LSTM模型的训练,且在所有模型的训练过程中利用差值化处理方法避免预测结果出现"滞后"现象.以我国某实际风电场和光伏电站为典型算例,验证所提预测方法的有效性.结果表明,该方法提升了新能源功率短期预测的精度,并能够在小样本环境下进行新能源功率的预测,有较高地泛用性.
新能源功率预测、主动配电网、态势预测、迁移学习、长短期记忆网络、k-shape算法、小样本学习、态势感知
45
TK01(一般性问题)
国网上海市电力公司科技项目;国网上海市电力公司科技项目
2023-02-24(万方平台首次上网日期,不代表论文的发表时间)
共8页
41-48