基于Attention-LSTM的光伏超短期功率预测模型

摘要：

超短期光伏发电功率预测有利于电网的调度管理,提高电力系统运行效率及经济性.针对传统长短时记忆(LSTM)神经网络在处理长序列输入时易忽略重要时序信息的缺陷,文章提出了一种结合注意力机制(Attention)与LSTM网络的功率预测模型.采用皮尔森相关系数法(Pearson)分析了实验的历史数据集,剔除无关变量,对数据集进行了降维处理,简化了预测模型结构.在此基础上将Attention机制与LSTM网络相结合作为预测模型.At-tention机制通过对LSTM的输入特征赋予了不同的权重,使得预测模型对长时间序列输入的处理更为有效.以某地光伏电站实测数据对文中所提模型进行训练和对比验证,所提出的预测模型能够更充分地利用历史数据,对长时间输入序列中的关键信息部分更为敏感,预测精度更高.

关键词：光伏发电、超短期功率预测、LSTM、注意力机制

所属期刊栏目：58

分类号：TM615(发电、发电厂)

资助基金：国家自然科学基金重点项目61433004

在线出版日期：2021-03-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：146-152