基于深度神经网络的日前光伏功率预测模型比较

作者:戚晓霞 来源:自动化学院 发布时间:2020年06月06日 点击数: 11

准确的光伏功率预测 已成为提高 “电力系统运行”质量和降低备用容量储备的关键基础技术之一。 然而,由于光伏的不稳定性、间歇性和随机性,光伏功率的准确预测变得非常困难。 深度学习作为一种有前途的 人工智能方法 ,能够发现数据中固有的非线性特征和高级不变结构,具有能有效提取高维复杂非线性特征,且由输入直接映射至输出的能力 这使其在各个领域备受青睐 并已成为目前 光伏功率 预测最常用的方法之一

王科俊教授团队在A pplied Energy 期刊( JCR Q1区,中科院Top期刊,IF= 8.426 )上发表文章( Volume 251, October 2019, 113315) ,提出了基于深度神经网络的光伏功率预测模型并进行了比较,同时探索了不同的历史数据长度对模型预测精度的影响。

不同历史数据长度下不同模型预测误差比较

所提深度预测模型可以兼顾时序数据具有的时序性和非线性特点,从更大量的数据中找到复杂的数据关联关系,且模型的精度和鲁棒性更高。

不同预测模型预测值与实际值曲线对比图

论文链接 :

https://www.sciencedirect.com/science/article/pii/S0306261919309894


责任编辑:吴琦
分享到:
© 2016凯旋娱乐app 地址:哈尔滨市南岗区南通大街145号哈尔滨工程大学61号楼 邮编:150001 电话:0451-82519410 管理维护:自动化学院 技术支持:信息化处