《电子测量技术杂志》发表论文赏析

基于KNN-LASSO-PPC法的改进BitCN-LSTM短期光伏功率预测

来源:电子测量技术杂志2025年第15期北京时间:

作者:贺宇轩,王锟,曾进辉,刘颉,周武定

单位:1.湖南工业大学电气与信息工程学院 株洲 412007;2.株洲高新电业集团有限公司新动力分公司 株洲 412007

摘要:针对光伏出力受天气条件随机性和波动性影响的特点,提出一种基于KNN-LASSO-PCC法的改进BitCN-LSTM神经网络短期光伏功率预测方法。首先,采用KNN对数据集进行清洗,再结合LASSO与PCC进行多层特征筛选;然后,在传统BitCN-LSTM方法基础上加入GRU与Elman神经网络,其中,GRU解决长时间依赖问题和参数优化问题,Elman网络增强局部时序建模和记忆能力;最后,在多层特征筛选下选取直角辐射、散角辐射、气温和湿度作为输入变量,选取光伏电站各时段发电功率的预测值作为最终输出,进行为期1~3天间隔15 min进行一次预测的仿真,所得的最优评估指标平均绝对误差、均方误差以及平均绝对百分比误差分别为9.976 3%、1.702 9%和10.626 7%,训练时间和最优测试时间分别为181.305 1 s和0.058 932 s,相较于其他常见的短期光伏预测模型精度更高,速度更快。

关键词:光伏功率预测;多层特征筛选;K近邻算法;埃尔曼网络;门控循环单元

基金资助:国家自然科学基金(52377185)项目资助

2025年15期其他文献查阅:

基于运动概率筛选和加权位姿估计的鲁棒动态RGB-D SLAM

发动机轴承的极近场遥测天线研究

<100>晶向正面开口快速湿法腐蚀释放悬浮结构的研究

基于多尺度感知损失与注意力的脑图像配准

基于CEEMDAN的脉搏波数据增强双层SMOTE算法

基于KNN-LASSO-PPC法的改进BitCN-LSTM短期光伏功率预测

改进YOLOv10n的光伏电池缺陷检测算法

DenseNet特征分组深度孤立森林图像异常检测

基于改进YOLOv10的液晶显示屏表面缺陷检测算法

融合多尺度注意力的轻量化初期林火检测算法

基于原型的正负学习用于远程监督关系抽取

基于Nuttall窗压缩感知的谐波和间谐波检测方法

基于MS-SAGCNs的自闭症诊断研究

基于Conformer-LSTM模型的连续无创血压预测方法

内河船舶检测算法的轻量化改进

基于选择性融合上下文信息的立体匹配网络

基于双编码器的鼻中隔医学图像分割模型

基于改进YOLO11的水下目标检测模型

基于SAFPN-YOLO的风机表面缺陷检测方法

基于多输入融合的自适应水下图像增强模型

改进YOLO11的学生课堂行为检测算法

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!