热能动力工程

作者：朱一昕，管梦瑶，董金华，许德智

单位：江南大学 物联网工程学院，江苏 无锡 214000,,江南大学 物联网工程学院，江苏 无锡 214000,,国网无锡供电公司，江苏 无锡 214000,,江南大学 物联网工程学院，江苏 无锡 214000,

关键词：光伏发电功率;多源气象;改进循环神经网络;短期预测

基金：国家自然科学基金青年项目（51807079）；中国博士后面上基金（2020M673339）

针对传统循环神经网络（RNN）长时间使用会存在梯度爆炸以及在处理长时间序列时容易忽略重要时序信息的不足，本文提出一种结合注意力机制（Attention）的双重选择循环神经网络（Double selection Recurrent Neural Network，DsRNN），面向短期光伏发电功率预测的模型。首先，引入气象影响因子数据并根据相关性大小进行修正处理，改变原有单一输入源建立新的数据集；然后，融合注意力机制，提取光伏发电功率的时序特征，挖掘数据之间的深层联系；最终，实现对分布式光伏发电进行较有效、精准的短期功率预测。仿真结果表明：气象数据的输入以及DsRNN光伏发电功率预测模型的使用能完成较高精度的预测任务，误差更小。

来源：2024年第2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2期