基于CNN-LSTM组合模型光伏预测和负荷预测算法的研究与应用

作     者：邹兵 Zou Bing

作者机构：中石化胜利油田分公司生产运行管理中心山东东营257000 

出 版 物：《安全、健康和环境》 (Safety Health & Environment)

年 卷 期：2024年第24卷第6期

页      面：14-19页

学科分类：080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 

主　　题：光伏发电 功率 负荷预测 模型 安全 

摘      要：油田企业电网中光伏装机容量快速增长,但由于光伏发电受太阳辐照度等气象因素影响,其间歇性、波动性给油田企业电网的安全稳定运行造成严重影响。同时,以往的单一模型预测光伏发电有一定的局限性。结合卷积神经网络(CNN)和长短期记忆网络(LSTM)的特点,提出一种基于CNN-LSTM的组合预测模型,并在某光伏电站进行了仿真实验。实验结果表明,CNN-LSTM模型对光伏发电功率预测的均方根误差与平均绝对误差分别为0.2121与0.1290,对负荷预测的均方根误差与平均绝对误差分别为0.2097与0.1155。验证了该模型对光伏发电功率与负荷预测的有效性。预测结果可以指导源网荷运行计划,提高光伏消纳,提升电力系统安全可靠运行水平,为油田电网的安全低碳运行提供准确的决策支撑。