文献类型：期刊文章

作　　者：简献忠[1,2] 顾洪志[2,3] 王如志[4]

JIAN Xianzhong;GU Hongzhi;WANG Ruzhi(School of Optical-Electrical and Computer Engineering,University of Shanghai for Science and Technology,Shanghai 200093,China;Shanghai Key Laboratory of Modern Optical System,Shanghai 200093,China;School of Mechanical Engineering,University of Shanghai for Science and Technology,Shanghai 200093,China;School of Materials Science and Engineering,Beijing University of Technology,Beijing 100020,China)

机构地区：[1]上海理工大学光电信息与计算机工程学院,上海200093 [2]上海市现代光学系统重点实验室,上海200093 [3]上海理工大学机械工程学院,上海200093 [4]北京工业大学材料科学与工程学院,北京100020

出　　处：《电力科学与工程》

基　　金：国家自然科学基金项目(11774017)

年　　份：2019

卷　　号：35

期　　号：5

起止页码：7-11

语　　种：中文

收录情况：AJ、CSA-PROQEUST、INSPEC、JST、RCCSE、普通刊

摘　　要：针对传统光伏功率预测特征提取不足导致预测精度不高的问题,提出一种双通道网络模型进行光伏功率预测。首先将光伏功率历史数据进行归一化处理,再将数据送入两个并行的卷积神经网络(Convolutional Neural Network,CNN)进行特征提取,经融合层融合送入长短期记忆网络(Long Short-Term Memory,LSTM)进行光伏功率预测。采用地中海气候光伏发电数据集进行测试,结果表明所提出的方法与单通道网络相比平均绝对误差(Mean-Absolute Error,MAE)减小了12.3%,均方根误差(Root-Mean-Square Error,RMSE)减小了3%,实现了更高的预测精度。

关 键 词：光伏功率预测  深度学习  卷积神经网络 LSTM  

分 类 号：TP391]