基于聚类的AW-CNN-LSTM光伏功率预测方法

来源：电子测量技术杂志2025年第18期北京时间：

作者：刘丽丽，谢梦，王艳，杨春蕾，顾明剑

单位：1.中科技术物理苏州研究院 苏州 215000; 2.云遥动力科技(苏州)有限公司 苏州 215000

摘要：由于光伏发电的波动性和随机性，传统模型难以对其进行准确预测。针对这一问题，在聚类的基础上建立一种自适应权重的CNN-LSTM网络模型。首先，对光伏电站历史数据进行预处理，并采用基于肘部法的K-means算法进行聚类；其次，根据同聚类簇的训练样本与对应测试样本的特征中心间的距离建立自适应权重；然后，根据聚类结果和自适应权重建立适用于不同聚类类别的AW-CNN-LSTM网络模型，其中，CNN用于捕获不同特征间的关系，LSTM用于捕获时序特征；最后对各模型预测结果进行整合得到最终预测结果。在澳大利亚沙漠太阳能研究中心的光伏电站数据集上进行试验，证明了本文所提方法的有效性。

关键词：光伏功率预测;自适应权重;K-means聚类;卷积神经网络;长短期记忆网络

基金资助：苏州市科技项目（SYG202135）、苏州市社会发展项目（2023ss17）资助