基于数据优化的改进深度学习方法光伏出力超短期预测模型

作者：雷前; 潘妍; 徐任超; 黄继明; 刘巽梁; 潘榕

来源：电力大数据, 2021, 24(07): 49-55.

DOI：10.19317/j.cnki.1008-083x.2021.07.007

• 光伏出力
• 超短期预测
• 数据优化
• 改进深度学习
• 卷积通道

为解决光伏出力超短期预测模型精度不足和运算速度慢的问题,本文提出了一种基于数据优化的改进深度学习方法光伏出力超短期预测模型。首先,为提升模型的计算效率,通过数据预处理和动态指数平滑法对样本数据进行优化;随后,应用卷积神经网络算法(CNN)构建的多阶卷积通道合并运算挖掘不同光伏电场间的时空耦合关系,得到反映多光伏电场光伏出力的融合特征值,将得到的融合特征值作为输入,利用改进深度学习算法进行分析,输出不同天气情况下的光伏超短期预测结果,以提高模型的预测精度;最后,基于实测光伏出力数据进行超短期预测,验证所提模型的有效性和准确性。算例分析表明,所提预测模型相比传统的超短期模型具有计算速度快和预测准确度高的优点。