文档名：自样本特征构造的1DCNNBiLSTM网侧光伏功率预测
摘要：为解决电网难以获取NWP数据和无法建立光伏功率预测模型的问题,提出一种自样本特征构造的一维卷积双向长短期记忆神经网络光伏发电功率预测方法.通过K均值聚类和功率骤减事件检测的特征工程获取细粒度的天气状态标签,实现基于自身样本的特征构造,以解决样本特征缺少问题;采用卷积和长短期记忆网络结合的模型结构,解决局部特征提取和长期依赖的问题.算例验证结果表明,所提方法改善整体的预测性能,降低多特征数据存在的数据匮乏和数据稳定性风险,为模型输入特征较少的网侧光伏功率短期预测提供一种有效途径.
Abstract：Aimedattheproblemthatitisdifficultforthepowergridtoobtainnumericalweatherprediction(NWP)dataandestablishaphotovoltaic(PV)powerpredictionmodel,aonedimensionalconvolutionalneuralnetworkbidirectionallongshort-termmemory(1DCNN-BiLSTM)predictionmethodforPVpowergenerationbasedonself-sampledfeatureconstructionisproposedinthispaper.Thefine-grainedweatherstatustagsareobtainedthroughthefeatureengineeringofK-meansclusteringandpowerslumpeventdetection,thusrealizingtheself-sampledfeatureconstructionandsolvingtheproblemoflackoffeatures.Moreover,CNNandLSTMnetworksarecombinedtosolvetheproblemsoflocalfeatureextractionandlong-termdependency.Thevalidationresultofanexampleindicatesthattheproposedmethodimprovestheoverallpredictionperformance,reducesthedatascarcityandstabilityrisksofmulti-featuredata,andprovidesaneffectiveapproachforshort-termpredictionofgrid-sidePVpowerwithfewmodelinputfeatures.
作者：欧阳卫年 赵紫昱 陈渊睿 Author：OUYANGWeinian ZHAOZiyu CHENYuanrui
作者单位：广东电网有限责任公司佛山供电局,佛山528010华南理工大学电力学院,广州510640
刊名：电力系统及其自动化学报
Journal：ProceedingsoftheCSU-EPSA
年，卷(期)：2024, 36(3)
分类号：TM615
关键词：光伏功率预测 功率骤降事件检测 自样本特征构造 卷积神经网络 双向长短时记忆网络
Keywords：photovoltaic(PV)powerprediction eventdetectionofpowerslump self-sampledfeatureconstruction convolutionalneuralnetwork(CNN) bidirectionallongshort-termmemory(LSTM)network
机标分类号：TP391.41TM615TM734
在线出版日期：2024年4月28日
基金项目：广东省自然科学基金资助项目自样本特征构造的1DCNN-BiLSTM网侧光伏功率预测[
期刊论文] 电力系统及其自动化学报--2024, 36(3)欧阳卫年 赵紫昱 陈渊睿为解决电网难以获取NWP数据和无法建立光伏功率预测模型的问题,提出一种自样本特征构造的一维卷积双向长短期记忆神经网络光伏发电功率预测方法.通过K均值聚类和功率骤减事件检测的特征工程获取细粒度的天气状态标签,实...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
自样本特征构造的1DCNN-BiLSTM网侧光伏功率预测 1DCNN-BiLSTM Method of Grid-side Photovoltaic Power Prediction with Self-sampled Feature Construction
自样本特征构造的1DCNN-BiLSTM网侧光伏功率预测.pdf
- 文件大小:
- 1.41 MB
- 下载次数:
- 60
-
高速下载
|
|
