热能动力工程

作者：熊鹏飞,张赛,王宪军

单位：昆明理工大学机电工程学院,,昆明理工大学机电工程学院,,华能澜沧江水电股份有限公司集控中心,

关键词：光伏短期功率;CNN-BiLSTM;分形理论;波动特征;预测模型

基金：云南省科技厅青年基金(KKSQ201701008)

针对光伏发电的随机性、不确定性引起的输电并网不平稳问题，需要考虑光伏功率的波动特性对光伏预测的影响。将光伏波动参数和分形理论结合，提取了光伏波动特征，并利用LSTM模型中记忆单元存储该特征，采用K-means聚类算法划分出3种天气类型，最后以LSTM模型和CNN模型的单一和组合模型作为对比模型预测光伏功率，得到经过波动特征提取后的预测模型。以中国西南某地区光伏发电站为案例进行研究。实验结果表明：提取特征后的CNN-BiLSTM比未提取时在训练时间上降低30.13%，在平均了3种天气的预测效果下，已提取特征的BiLSTM、LSTM、CNN和CNN-LSTM与未提取时相比，MAE和RMSE至少下降了33.81%和42.66%，提出的波动特征提取方法可以提高光伏预测的精度和效率。

来源：2025年第7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7期