基于GRU-BLS的超短期光伏发电功率预测

作者：史加荣; 殷诏

来源：智慧电力, 2023, 51(09): 38-45.

• 光伏发电
• 功率预测
• 宽度学习系统
• 门控循环单元
• 长短期记忆

光伏发电功率的准确预测对电网的稳定运行具有重要的意义。针对深度学习训练耗时长和宽度学习特征提取能力弱等问题，将门控循环单元（GRU）与宽度学习系统（BLS）相融合，提出了用于超短期光伏发电功率预测的GRU-BLS模型。先使用GRU训练序列样本，再将所学习到的隐特征作为新的输入特征，最后在BLS中构造特征节点和增强节点以形成最终的特征。所建立的模型在保留深度学习高预测精度的前提下，有效地缩短了模型的训练时间。在实际的光伏发电数据集上进行实验，评估所提模型在不同季节和天气类型下的性能。实验结果表明：与长短期记忆（LSTM）,GRU,BLS和LSTM-BLS等模型相比，GRU-BLS的RMSE值降低了23.89%～75.68%，且TIC值和MAPE值也得到了显著改善。

• 单位
  西安建筑科技大学