如需要完整文档点击下方 "点击下载文档" 按钮

太阳能作为具有高可用性且用之不竭的清洁能源,被认为是最有前途的能源替代品之一。 光伏是最广泛使用的太阳能技术。 然而,由于太阳能的间歇性,光伏发电具有不确定性。 随着全球光伏装机容量的不断提升,光伏功率预测的准确性对于电网管理和电力调度至关重要。 该文提出一种基于 K-means 聚类分析和长短期记忆神经网络( long -short-term memory,LSTM) 的光伏发电功率日前逐时鲁棒预测方法。 首先采用 K-means 算法以日前天气预报数据为特征将光伏数据分为晴空天气类型和阴雨天气类型,再针对相应类型数据建立基于长短期记忆神经网络算法的预测模型。 同时,为增强预测模型的鲁棒性,选择具有强鲁棒性的 Huber 损失函数用于模型训练,并选择计算简单且收敛速度快的鲸鱼优化算法对 Huber 损失函数中的超参数进行优化。 将所提出的预测方法与其他方法进行预测性能的比较,结果表明,提出的方法获得了较高的预测精度。

如需要完整文档点击下方 "点击下载文档" 按钮

《基于聚类和 LSTM 的光伏功率日前逐时鲁棒预测》

将 完整文档 下载到本地，方便收藏和查阅

文件号：057842

点击下载文档