一种基于双通道CNN和LSTM的短期 光伏功率预测方法

摘要：

针对传统光伏功率预测特征提取不足导致预测精度不高的问题,提出一种双通道网络模型进行光伏功率预测.首先将光伏功率历史数据进行归一化处理,再将数据送入两个并行的卷积神经网络(Convolutional Neural Network,CNN)进行特征提取,经融合层融合送入长短期记忆网络(Long Short-Term Memory,LSTM)进行光伏功率预测.采用地中海气候光伏发电数据集进行测试,结果表明所提出的方法与单通道网络相比平均绝对误差(Mean-Absolute Error,MAE)减小了12.3％,均方根误差(Root-Mean-Square Error,RMSE)减小了3％,实现了更高的预测精度.

关键词：光伏功率预测、深度学习、卷积神经网络、LSTM

所属期刊栏目：35

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目11774017

在线出版日期：2019-07-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：7-11