文档摘要：提出一种模型-数据联合预测方法,通过机理分析建立对象动态模型,并引入未来太阳辐射强度、用户负荷预测数据进行即时模型预测,通过注意力机制改进的卷积-长短时记忆混合神经网络建立数据预测模型,并引入历史数据进行滚动数据预测,然后利用卡尔曼滤波器对2种预测模型的输出结果进行融合,实现储能量的联合预测.结果表明:联合预测兼具2种方法的优势,能很好地解决储能量预测误差随时间累积的问题,并能够及时表征气象因素突变和系统运行方式改变时储能量的变化情况,在各种天气状况下均具有良好的预测精度.
Abstract：Amodel-datajointpredictionmethodwasproposed.Theobjectdynamicmodelwasestablishedthroughmechanismanalysis,andthefuturesolarradiationintensityanduserloadpredictiondatawerein-troducedforimmediatemodelprediction.Thedatapredictionmodelwasestablishedthroughtheconvolu-tion-shortandlongtimememoryhybridneuralnetworkimprovedbyattentionmechanism,andthehis-toricaldatawasintroducedforrollingdataprediction.Then,Kalmanfilterwasusedtocombinetheoutputofthetwopredictionmodelstorealizethejointpredictionofenergystorage.Resultsshowthatthecom-binedpredictionhastheadvantagesofbothmethods,whichcansolvetheproblemofaccumulatedenergystoragepredictionerrorsovertimeandtimelycharacterizethechangesofenergystoragewhenmeteorologi-calfactorssuddenlychangeandsystemoperationmodechanges.Theproposedmethodhasgoodpredictionaccuracyundervariousweatherconditions.
作者：田亮 王冠杰Author：TIANLiang WANGGuanjie
作者单位：华北电力大学自动化系,河北保定071003
刊名：动力工程学报 ISTICPKU
Journal：JournalOfChineseSocietyOfPowerEngineering
年，卷(期)：2024, 44(6)
分类号：TM615
关键词：光伏-光热综合能源系统 储能量 预测 卡尔曼滤波 卷积-长短时记忆混合神经网络
Keywords：photovoltaic-concentratingsolarpowerintegratedenergysystem energystorage prediction Kalmanfiltering CNN-LSTM
机标分类号：TU832.17TM715TE1
在线出版日期：2024年7月1日
基金项目：国家重点研发计划基于模型-数据联合的光伏-光热系统储能量预测[
期刊论文] 动力工程学报--2024, 44(6)田亮 王冠杰提出一种模型-数据联合预测方法,通过机理分析建立对象动态模型,并引入未来太阳辐射强度、用户负荷预测数据进行即时模型预测,通过注意力机制改进的卷积-长短时记忆混合神经网络建立数据预测模型,并引入历史数据进行滚动...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
关键词：光伏-光热综合能源系统,储能量,预测,卡尔曼滤波,卷积-长短时记忆混合神经网络,
- 文件大小:
- 10.74 MB
- 下载次数:
- 60
-
高速下载
|
|
1
