关键词:
光伏发电
特征提取
预测
长短期记忆神经网络
时间戳
灰色关联分析
摘要:
为解决预测模型输入特征维度不足以及单一模型预测精度不高而导致的短期功率预测效果较差的问题,提出一种对时间戳进行特征提取(FE)的CatBoost和长短期记忆(LSTM)神经网络组合的光伏短期发电功率预测模型。首先,利用信息熵加权的方式对传统灰色关联分析进行改进,并采用改进方法对辐照度、温度、降雨量等气象特征与发电功率特征进行关联性分析,选择关键特征作为输入特征;然后,从时间戳和功率特征中提取年、月、日、时、分、秒、时间戳-功率等新时序特征;在此基础上,将关键气象特征与提取的新时序特征用于组合模型训练;最后,利用光伏电站的真实运行数据对所提方法和组合模型进行算例分析。结果表明:提取的新时序特征和组合模型均有助于提高预测精度,在非晴天工况下组合模型的预测误差较单一模型可降低12~23个百分点,且与其他组合模型相比具有更高的预测精度。