文献类型：期刊文章

作　　者：宋良才[1] 索贵龙[1] 胡军涛[2] 窦艳梅[1] 崔志永[1]

SONG Liang-cai;SUO Gui-long;HU Jun-tao;DOU Yan-mei;CUI Zhi-yong(Company of Henan Hebi National Grid Power Supply, Hebi 458000, China;School of Computer, Wuhan University, Wuhan 430000, China)

机构地区：[1]国网河南省电力公司鹤壁供电公司,河南鹤壁458000 [2]武汉大学计算机学院,湖北武汉430000

出　　处：《计算机与现代化》

基　　金：国网河南省电力公司科技项目(SGHAHB00XTJS1900147)。

年　　份：2020

期　　号：9

起止页码：112-117

语　　种：中文

收录情况：IC、ZGKJHX、普通刊

摘　　要：影响光伏发电系统出力的天气因素具有很大的波动性和不连续性,因此需要创建合适的预测模型来对光伏出力特性进行精准预测,从而保证电网系统的有效运行。本文通过最大信息系数选择合适的历史光伏发电数据,将其作为特征之一进行输入数据重构,并在由LSTM神经元构建的Encoder-Decoder模型上引入注意力机制,最终得到结合注意力机制的Encoder-Decoder光伏发电预测模型。经实际光伏电厂算例分析,验证了所提模型在光伏发电预测方面的准确性和适用性。

关 键 词：光伏发电 最大信息系数  长短期记忆神经网络  Encoder-Decoder框架  注意力机制  

分 类 号：TP301]