融合时空特征的光伏气象因子预测模型

作     者：李金中 王小明 谢毓广 高博 汪勋婷 LI Jinzhong;WANG Xiaoming;XIE Yuguang;GAO Bo;WANG Xunting

作者机构：国网安徽省电力有限公司电力科学研究院合肥230601 

基　　金：国家重点研发计划(2018YFB1500800) 国家电网有限公司科技项目(SGTJDK00DYJS2000148) 国网安徽省电力有限公司科技项目(B31205200009) 2020年电商公司自建科技项目(1700/2020-72001B) 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2022年第58卷第23期

页      码：285-292页

摘      要：光伏发电极易受到天气的影响而具有波动性和不确定性,因此对气象因子的准确预测对光伏电站的运维具有重要意义。提出了一种基于深度学习的时空特征融合模型,实现对光伏气象因子的精准预测。在时间维度上,设计了一种改进的长短期记忆模块,融合注意力机制和遗传算法,得到最优注意力参数以提高预测精度;在空间维度上,将光伏电站所在区域按照经纬度划分,利用张量分解对区域内气象因子进行预测。在中国东南部某光伏系统的真实数据集上,对该模型的有效性进行了评估。结果表明,该模型在时间维度和空间维度均具有较高预测精度,同时对稀疏数据有较强的鲁棒性。

主 题 词：气象因子预测 长短期记忆网络 张量分解 注意力机制 遗传算法 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.3778/j.issn.1002-8331.2105-0440

馆 藏 号：203115577...