一种考虑主要气象因素的超短期光伏功率预测两阶段LSTM优化方法

A Two-Stage LSTM Optimization Method for Ultrashort Term PV Power Prediction Considering Major Meteorological Factors

Yiwei Ma · Weixing Ma · Xingzhen Li · Yimeng Shen · IEEE Transactions on Industrial Informatics · 2024年9月

超短期光伏发电功率预测是并网光伏电站日内调度的重要任务之一。为解决传统预测方法的不足，本文提出一种考虑主要气象因素的新型两阶段长短时记忆网络（LSTM）优化方法用于超短期光伏发电功率预测。第一阶段，开发了一种输入数据优化方法以提高 LSTM 的准确性和效率，该方法结合了基于因子分析的主要气象因素提取、利用模糊 C 均值算法进行的相似模式聚类，以及基于灰色关联分析和余弦相似度的最大相似模式识别。第二阶段，提出一种使用改进麻雀搜索算法的 LSTM 优化方法以进一步提高预测精度。最后，综合实验结果表明...

解读: 从阳光电源的业务视角来看，这项基于两阶段LSTM优化的超短期光伏功率预测技术具有显著的战略价值。该技术直接契合公司在光伏电站智能化运维和能量管理系统方面的核心需求。 在技术价值层面，超短期（15分钟至4小时）功率预测的精度提升对阳光电源的多个业务板块具有直接影响。首先，对于光储融合系统，精准的功率...