热能动力工程

作者：张鹏,丁鑫,卫鑫

单位：神思电子科技股份有限公司,,神思电子科技股份有限公司,,神思电子科技股份有限公司,

关键词：光伏发电;深度学习;深度交叉网络;门控循环单元;中长期功率预测

由于影响光伏发电的因素复杂多变,其功率表现出波动性与不确定性,这对电网安全稳定运行构成了重大影响。对中长期光伏发电功率进行精准的预测,既可以保障光伏发电安全并网,又能满足电网的中长期统筹与规划。本文提出了一种既能捕获时序周期性特征又能提取周期内波动性特征的功率预测模型DCN-GRU。该模型首先利用深度交叉网络(DCN)对光伏发电功率原始时序进行特征提取,将数值型特征与类别型特征进行高阶交叉组合,充分挖掘序列的周期内波动性特征；再通过门控循环单元(GRU)捕获中长期时序的周期性特征；最终将波动性特征与周期性特征拼接在一起,经过全连接层预测出中长期光伏发电功率结果。以我国华东及华南两个光伏电站为例的实验结果证明:DCN-GRU模型在1d、3d、5d、7d预测任务上相较于基准模型均具有较高的精度,其中平均绝对误差的整体均值为0.688、均方误差的整体均值为2.61、决定系数的整体均值为0.976。

来源：2025年第8期

《热能动力工程》期刊编辑部

查看热能动力工程杂志2025年第8期