基于谱聚类和AM-LSTM的分布式光伏集群超短期预测方法

摘要：

随着分布式光伏接入越来越多,针对分布式光伏出力开展预测工作越来越重要.分布式光伏由于分散性和随机性强,相对于集中式光伏的预测难度更高,为此提出了一种基于谱聚类和AM-LSTM的分布式光伏集群出力预测算法.该方法首先采用时间动态规划算法分析分布式光伏之间的出力相似性;在此基础上,基于谱聚类算法对分布式电源集群进行分群,将具有相似出力情况的分布式光伏划分为一个集群;然后,结合气象数据和历史光伏出力数据,构建基于注意力机制的LSTM神经网络模型,有效利用光伏出力序列的时间相关性,实现对网络输入特征的自动优选.算例分析表明,所提预测方法能有效提升集群分布式光伏出力预测精度,为配电网安全经济运行提供支撑.

关键词：光伏预测、集群划分、谱聚类、注意力机制、长短期神经网络

所属期刊栏目：40

分类号：TM74(输配电工程、电力网及电力系统)

在线出版日期：2023-08-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：10-17