基于功率特征的K-ISSA-LSTM光伏功率预测
K-ISSA-LSTM PHOTOVOLTAIC POWER PREDICTION BASED ON POWER CHARACTERISTIC作者机构:浙江大学电气工程学院杭州310058 杭州电子科技大学信息工程学院杭州310000 国网温州供电公司温州325028
出 版 物:《太阳能学报》 (Acta Energiae Solaris Sinica)
年 卷 期:2024年第45卷第2期
页 面:429-434页
核心收录:
学科分类:08[工学] 0807[工学-动力工程及工程热物理]
基 金:国网浙江省电力有限公司科技项目(5211WZ220002)
摘 要:历史功率特征能反映一段时间内光伏功率的波动情况,结合聚类算法对原始数据进行聚类,利用长短期记忆神经网络实现对光伏发电功率的预测。同时使用改进的麻雀搜索算法进行神经网络超参数寻优,实现对不同功率特征场景的超参数优化。采用华东地区某光伏电站的实测数据进行验证,预测模型功率波动情况下较传统预测方法对该组数据有更高的预测精度。