关键词:
光伏功率预测
数据清洗
孤立森林
密度聚类
改进注意力机制
天气分类
摘要:
光伏发电的波动性、间歇性和随机性给电力系统带来巨大挑战,准确预测光伏发电功率是系统安全稳定运行的重大需求,但是目前面临历史数据清洗和预测特征提取两大难题。利用大数据和人工智能技术,提出历史数据组合清洗和改进注意力机制预测方法。首先,研究对预测准确性影响最大的离散型、堆积型异常数据特征,提出一种孤立森林和密度聚类结合的数据分类清洗方法;其次,研究不同类型天气关键数据特征,在现有人工智能算法基础上,建立改进CNN-LSTM-attention光伏发电功率预测模型,提升对不同类型天气的适应能力;最后,针对某实际光伏电站开展实证研究,结果表明,所提出的样本数据组合清洗技术有效提升了异常数据清洗能力,提出的改进注意力机制预测方法预测准确性高,对不同类型天气适应能力强,具有明显的理论价值和工程意义。