文献类型：期刊文章

作　　者：崔佳豪[1] 毕利[1]

CUI Jiahao;BI Li(School of Information Engineering,Ningxia University,Yinchuan 750021,China)

机构地区：[1]宁夏大学信息工程学院,宁夏银川750021

出　　处：《电力系统保护与控制》

基　　金：宁夏自然科学基金项目资助(2020AAC03034);西部一流大学科研创新项目资助(ZKZD2017005)。

年　　份：2021

卷　　号：49

期　　号：13

起止页码：142-149

语　　种：中文

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

摘　　要：精确的光伏发电量预测对光伏发电系统的安全运行有重要的作用。然而,由于太阳能的不稳定性、间歇性和随机性,现有光伏发电量的短期预测模型存在预测误差大、泛化能力低等问题。因此,提出一种混合神经网络和注意力机制的分布式光伏电站电量短期预测模型(A-HNN)。利用残差长短期记忆网络与扩展因果卷积相结合提取数据的时间和空间特征,加入注意力机制增强特征选择,给出一种改进的混合神经网络模型。根据发电量数据时间序列本身的特性,选取以日为周期的时间序列数据。最后,通过实验与近期其他模型对比,结果表明在同等条件下此混合模型可以大幅提高光伏发电量预测的精度。

关 键 词：混合神经网络 卷积神经网络 循环神经网络 发电量预测 扩展因果卷积  

分 类 号：TP183] TM615]