基于FCM-LSTM的光热发电出力短期预测

作     者：刘振路 郭军红 李薇 贾宏涛 陈卓 LIU Zhenlu;GUO Junhong;LI Wei;JIA Hongtao;CHEN Zhuo

作者机构：华北电力大学环境科学与工程学院北京102206 华北电力大学资源环境系统优化教育部重点实验室北京102206 

出 版 物：《工程科学学报》 (Chinese Journal of Engineering)

年 卷 期：2024年第46卷第1期

页      面：178-186页

核心收录：

学科分类：080703[工学-动力机械及工程] 08[工学] 0807[工学-动力工程及工程热物理] 

基　　金：国家电网有限公司总部科技项目(5400-202140500A-0-5-2N) 

主　　题：光热电站 气象因素 短期出力预测 长短期记忆神经网络 模糊C均值聚类 

摘      要：对光热电站的出力进行短期预测,可以有效应对太阳能随机性和波动性带来的影响,为电网调度做好准备.该文以青海某光热电站为例,首先使用模糊C均值聚类算法对预处理后的实验数据进行分类,然后通过分析不同聚类类型下出力和气象数据中各因子间的关联程度,充分挖掘出数据间的关系,确定不同类型预测模型的输入变量,进而构建出不同类别下的长短期记忆神经网络预测模型.结果表明,与传统长短期记忆神经网络模型、BP神经网络模型、支持向量机模型和随机森林模型的预测结果相比,基于模糊C均值聚类的长短期记忆神经网络预测模型效果良好,大幅减少了预测误差,验证了该预测模型的有效性.