热能动力工程

作者：李灯熬，白晓东，夏鸿伟，冯 丁

单位：山西省能源互联网研究院， 山西 太原030000,,太原理工大学 计算机科学与技术学院（大数据学院）， 山西 太原 030024,,新疆石文科技发展有限公司， 新疆 乌鲁木齐 830011,,太原师范学院 计算机科学与技术学院， 山西 太原 030619,

关键词：深度学习;光伏功率预测;STL分解

基金：山西省关键核心技术和共性技术研发攻关专项项目（2020XXX007）；山西省重点研发计划项目（202102020101006）

由于光伏发电具有间歇性和波动性，给电网运行的安全性和稳定性造成危害，对光伏功率进行准确预测可以有效解决这一问题。本文提出一种基于STLFormer的中短期光伏功率预测模型，该模型结合了季节趋势局部加权回归分解（STL分解）与神经网络模型。首先，STLFormer模型将光伏功率数据通过STL分解进行特征扩充，用于提取基于历史序列的周期项、趋势项特征。然后，拼接周期项、趋势项特征和原特征，进行数据预处理和特征编码并使用基于Informer模型的神经网络进行功率预测。最后，在真实数据集上进行大量实验。实验结果表明：STLFormer在中短期光伏功率预测任务中精度较高，其中在2 h光伏功率预测任务时，平均绝对值误差为0.176、均方误差为0.180；在28 h光伏功率预测任务时，平均绝对值误差为0.170、均方误差为0.154。

来源：2024年第4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4期