基于K-means++和混合深度学习的光伏功率预测

陈振祥; 林培杰; 程树英; 陈志聪; 吴丽君

首页> 中文期刊> 《电气技术》 >基于K-means++和混合深度学习的光伏功率预测

基于K-means++和混合深度学习的光伏功率预测

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

光伏发电输出具有较强的波动性,影响电力系统的调度管理.对此,本文提出一种基于K-means++和混合卷积神经网络(CNN)与长短期记忆(LSTM)网络的光伏功率预测模型.首先,利用K-means++对历史数据集进行分类,选取合适的数据集作为训练集;其次,搭建以历史功率为输入的LSTM模型获得待修正预测功率值,采用卷积神经网络挖掘气象参数与光伏功率的非线性关系,获取修正系数,对待修正预测功率值进行修正,提高预测精度;最后,在点预测模型的基础上,给予输入参数一定的随机波动,进行多次预测,获取预测误差集,进而获得预测区间.通过澳大利亚沙漠太阳能研究中心光伏电站数据集,选择LSTM、CNN-LSTM及K-LSTM算法进行对比,验证了本文方法具有较高的预测精度和稳定性,且能实现准确的输出功率区间预测.

著录项

来源
《电气技术》 |2021年第9期|7-1333|共8页
作者
陈振祥; 林培杰; 程树英; 陈志聪; 吴丽君;
展开▼
作者单位

福州大学物理与信息工程学院微纳器件与太阳能电池研究所福州 350116;

福州大学物理与信息工程学院微纳器件与太阳能电池研究所福州 350116;

福州大学物理与信息工程学院微纳器件与太阳能电池研究所福州 350116;

福州大学物理与信息工程学院微纳器件与太阳能电池研究所福州 350116;

福州大学物理与信息工程学院微纳器件与太阳能电池研究所福州 350116;

展开▼
原文格式 PDF
正文语种 chi
中图分类
关键词
光伏功率预测; K-means聚类; 卷积神经网络; 长短期记忆网络;

相似文献

中文文献
外文文献
专利

1. 基于K-means++和LSTM网络的光伏功率预测研究 [J] . 黄亚峰 ,何威 ,吴光琴 . 电气自动化 . 2020,第005期
2. 有限信息下基于深度学习模型的小型分布式光伏电站功率预测 [J] . 甄皓 . 上海节能 . 2020,第004期
3. 基于新型混合深度学习的风电机组功率预测模型开发及应用 [J] . 王丽杰 ,唐宏芬 ,张真真 . 电力科技与环保 . 2022,第1期
4. 基于遗传算法优化卷积长短记忆混合神经网络模型的光伏发电功率预测 [J] . 王晨阳 ,汪志勇 ,段倩倩 . 物理学报 . 2020,第010期
5. 基于混合灰色关联分析-广义回归神经网络的光伏电站短期功率预测 [J] . 彭周宁 ,林培杰 ,赖云锋 . 电气技术 . 2019,第010期
6. 基于多组NWP与深度学习的风电功率预测 [C] . YAN Jie ,阎洁 ,ZHANG Hao . 2016年中国电机工程学会年会 . 2016
7. 基于深度学习的光伏板温度和光伏发电功率预测 [A] . 蒋俊梅 . 2020

基于K-means++和混合深度学习的光伏功率预测

摘要

著录项

相似文献

相关主题

期刊订阅