文献类型：期刊文章

作　　者：吉锌格[1] 李慧[1] 刘思嘉[1] 王丽婕[1]

JI Xinge;LI Hui;LIU Sijia;WANG Lijie(School of Automation,Beijing Information Science and Technology University,Beijing 100192,China)

机构地区：[1]北京信息科技大学自动化学院,北京100192

出　　处：《电力系统保护与控制》

基　　金：国家自然科学基金项目资助(51607009);北京市自然科学基金项目资助(3172015);北京市教委科技计划面上项目资助(KM201911232016)。

年　　份：2020

卷　　号：48

期　　号：7

起止页码：50-57

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：提升精细化的光伏预测技术对电力系统的实时调度运行至关重要。它不仅依赖于预测模型的优劣,还依赖于训练样本日与预测日的相似程度。提出一种基于MIE-LSTM的短期光伏功率预测方法。在建立基于互信息熵(Mutual Information Entropy, MIE)的相关性衡量指标基础上,计算出光伏功率与各气象因素间的互信息熵,从而对高维气象数据进行降维处理。然后,利用历史日与预测日多维气象因素间的加权互信息熵筛选出相似日样本。最后,通过长短期记忆(Long-short Term Memory, LSTM)神经网络预测模型训练并建立气象因素与光伏出力之间的映射关系。通过对某实测光伏电站不同天气类型下的发电功率进行预测分析,验证了新方法能够达到理想的预测精度。

关 键 词：光伏功率预测  数值天气预报 互信息熵  相似日 长短期记忆神经网络  

分 类 号：TM615]