文献类型：期刊文章

作　　者：杨晶显[1] 张帅[1] 刘继春[1] 刘俊勇[1] 向月[1] 韩晓言[2]

YANG Jingxian;ZHANG Shuai;LIU Jichun;LIU Junyong;XIANG Yue;HAN Xiaoyan(College of Electrical Engineering,Sichuan University,Chengdu 610065,China;State Grid Sichuan Electric Power Company,Chengdu 610041,China)

机构地区：[1]四川大学电气工程学院,四川省成都市610065 [2]国网四川省电力公司,四川省成都市610041

出　　处：《电力系统自动化》

基　　金：国家重点研发计划资助项目(2018YFB0905200)。

年　　份：2021

卷　　号：45

期　　号：3

起止页码：174-182

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：提出了一种基于变分模态分解(VMD)和双重注意力机制长短期记忆(LSTM)的短期光伏功率预测方法。针对光伏功率信号的波动性和非平稳性,利用VMD将光伏功率输出分解为不同频率的分量,使用LSTM对各分量进行预测,并在LSTM基础上引入特征和时序双重注意力机制。为自主挖掘光伏功率输出与各气象特征之间的关联关系,避免传统方法依赖于专家经验关联规则阈值的限制,引入特征注意力机制实时计算各气象特征量的贡献率,并对特征权重进行修正;同时,为挖掘当前时刻光伏功率输出与历史时序信息之间的关联关系,引入时序注意力机制自主提取历史关键时刻点信息,提高长时间序列预测效果的稳定性。基于中国西南某实际光伏发电站数据进行预测实验,并与其他方法进行对比,验证了该方法的有效性。

关 键 词：光伏功率预测  变分模态分解  特征注意力机制  时间注意力机制  长短期记忆  数据驱动

分 类 号：TM615] TP183]