基于相似日选取和PCA-LSTM的光伏出力组合预测模型研究

作     者：孟亦康 许野 王鑫鹏 王涛 李薇 Meng Yikang;Xu Ye;Wang Xinpeng;Wang Tao;Li Wei

作者机构：华北电力大学环境科学与工程学院北京102206 

出 版 物：《太阳能学报》 (Acta Energiae Solaris Sinica)

年 卷 期：2024年第45卷第7期

页      面：453-461页

核心收录：

学科分类：1205[管理学-图书情报与档案管理] 08[工学] 0807[工学-动力工程及工程热物理] 0706[理学-大气科学] 

基　　金：国家自然科学基金(62073134) 

主　　题：光伏电站 主成分分析 长短期记忆神经网络 预测模型 改进的K-均值聚类方法 动态时间规整算法 

摘      要：构建一套融合主成分分析方法(PCA)、改进的K-均值聚类方法、动态时间规整算法(DTW)和长短期记忆神经网络(LSTM)的光伏出力组合预测模型。在运用PCA法提取气象要素的主成分因子的基础上,创新性地联合使用改进的K-均值聚类方法和DTW算法生成内部关联程度高且与待预测日的天气特征相近的历史日样本集;然后,结合LSTM神经网络,构建基于相似日选取的光伏发电功率预测模型,最终实现了云南某光伏电站发电功率的精准预测。与其他预测模型的对比结果显示,该文构建的组合预测模型具备更好的预测性能和广阔的应用前景。