基于TCN-BiLSTM-Attention-ESN的光伏功率预测

作     者：时培明 郭轩宇 杜清灿 许学方 贺长波 李瑞雄 

作者机构：燕山大学电气工程学院 华能陇东能源有限责任公司 安徽大学电气工程与自动化学院 西安交通大学能源与动力工程学院 

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

年 卷 期：2024年第09期

页      面：304-316页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081104[工学-模式识别与智能系统] 0807[工学-动力工程及工程热物理] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：河北省自然科学基金青年项目(E2022203093) 安徽省自然科学基金青年项目(2108085QE229) 2021年安徽省高校与人工智能研究院协同创新项目(GXXT-2021-010) 燕山大学基础创新科研培育项目(2021LGQN022) 

主　　题：光伏发电功率 预测 神经网络 回声状态网络 时间卷积网络 双向长短期记忆网络 

摘      要：针对光伏发电功率随机性强、难以准确预测的问题，提出一种基于时间卷积网络（TCN）、双向长短期记忆网络（BiLSTM）和回声状态网络（ESN）的组合预测方法。首先，使用自适应噪声完备集合经验模态分解（CEEMDAN）将功率数据分解为一系列相对平稳、不同波动模式的子功率序列；再将分解重构后的功率序列和其他特征序列输入到TCN-BiLSTMAttention-ESN组合模型中，其中TCN-BiLSTM-Attention用于提取光伏序列波动特征并构建时空特征向量；最后，将所提取的时空特征向量输入ESN获得预测结果。采用新疆某光伏电站的光伏功率数据进行验证，结果表明与时下先进的预测方法相比，所提方法具有更高的预测精度，有助于提升光伏发电占比，保障电力系统平衡和运行安全。