基于FCM和LSTM的光伏功率超短期预测

作者：张磊; 王小明; 吴红斌; 谢毓广; 滕越; 魏英杰

来源：供用电, 2023, 40(01): 10-17.

DOI：10.19421/j.cnki.1006-6357.2023.01.002

• 光伏功率预测
• 模糊均值聚类
• 长短期记忆网络
• 特征提取
• 相关性系数

光伏电站输出功率的不确定性对电网的运行调度产生了严重影响。基于模糊均值聚类(fuzzy C-means,FCM)和长短期记忆网络(long short-term memory networks,LSTM),提出了一种光伏功率超短期预测方法。首先,通过滑动时窗将历史数据划分为时序片段,将功率波动特性以时段为样本进行分析;然后,定义了3种特征指标提取波动规律,采用FCM方法进行时序片段聚类,在聚类后重构数据集,结合LSTM网络,建立光伏功率预测模型;最后,采用澳大利亚光伏电站实测数据集验证所提方案的聚类性能与预测性能。仿真结果表明,所提方法具有更高的聚类准确性和预测精确度。

• 单位
  国网安徽省电力有限公司电力科学研究院; 合肥工业大学