热能动力工程

作者：张建辉,滕婕,李秀慧,谭庄熙

单位：国网甘肃省电力公司经济技术研究院,,国网甘肃省电力公司经济技术研究院,,国网甘肃省电力公司经济技术研究院,,湖南科技大学信息与电气工程学院,

关键词：光伏预测;深度学习;贝叶斯优化;特征构造

基金：国网总部科技项目(52272810005)；湖南省自然科学基金（2022JJ40150）

光伏出力易受气象因素影响，从而呈现间歇性和随机性。可靠准确的预测光伏出力不仅可以缓解高比例光伏并网对电网的冲击，还可以为电网的调度决策人员提供数据参考。因此，提出一种基于气象特征和改进Transformer的光伏功率短期预测方法。首先针对光伏相关的气象因素提取增量特征、统计特征和时变特征。然后和光伏出力数据输入BOA-iTransformer模型，将每个变量独立嵌入，便于模型捕捉关键气象特征和多元数据的关联性；然后采用贝叶斯优化调参进行特征选择，得到最优特征组合，以此建立BOA-iTransformer光伏预测模型。最后采用中国某地区实际光伏发电站数据进行对比实验，算例结果表明所提方法相较对比方法iTransformer、Transformer和LSTM模型预测精度可分别提高3.54%、7.24%和14.2%。

来源：2024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2024年第8期