一种基于SLSTM和MLSTNet模型的光伏电站超短期功率智能预测方法

    公开(公告)号:CN115796004A

    公开(公告)日:2023-03-14

    申请号:CN202211375921.7

    申请日:2022-11-04

    Inventor: 黄从智 杨梦缘

    Abstract: 本发明公开了一种基于SLSTM和MLSTNet模型的光伏电站超短期功率智能预测方法,具体为:首先,对原始数据进行缺失值和异常值处理;然后,对光伏功率变量和气象数据变量进行Spearman相关性分析,确定预测模型的输入变量为温度、湿度和辐照强度;选取温度、湿度和辐照强度作为聚类变量,构建聚类变量的统计特征,采用模糊C均值聚类算法进行光伏历史数据的相似日聚类,得到Type1‑4相似日数据,并对其进行归一化处理;之后将相似日数据集划分为训练集、验证集和测试集;构建SLSTM光伏功率超短期预测模型和MLSTNet光伏功率超短期预测模型,利用超频贝叶斯优化器对SLSTM和MLSTNet模型参数调优,进行超短期功率预测;最后生成测试集上的光伏功率超短期预测结果。本发明的方法能较好地跟踪未来四小时的光伏电站功率曲线趋势,具有运行速度快和预测精度高的优点。

Patent Agency Ranking