《电子测量技术杂志》发表论文赏析

基于双流特征增强网络的超短期光伏功率预测

来源:电子测量技术杂志2025年第5期北京时间:

作者:辛峰悦,寇志伟,刘焱晨,崔啸鸣,齐咏生

单位:1.内蒙古工业大学电力学院 呼和浩特 010080;2.大规模储能技术教育部工程研究中心 呼和浩特 010080

摘要:云层的遮挡会导致光伏功率发生剧烈波动,给电力系统的稳定运行带来巨大的挑战。本研究针对云层遮挡时光伏功率波动大、复杂天气条件下预测精度低等问题,提出了一种基于双流特征增强网络的超短期光伏功率预测模型(TSFE-LSTM)。首先,基于畸变校正算法和光流计算优化处理了地基云图,通过双流卷积网络提取了地基云图序列的时空特征。其次,设计了基于长短期记忆网络的超短期光伏功率预测模型,实现了未来15 min光伏功率的预测。实验结果表明,TSFE-LSTM模型融合地基云图与光流图后,光伏功率预测值的MAE、RMSE较单独输入地基云图分别提高了5.81%、4.61%。在晴天时,TSFE-LSTM模型较CNN模型MAE、RMSE分别提高了7.23%、14.99%,阴天时,TSFE-LSTM模型预测精度略有下降,较CNN-MLP模型 MAE、RMSE分别提高了3.53%、1.26%。为云层遮挡时光伏功率预测提供了新思路。

关键词:地基云图;特征提取;长短期记忆网络;光伏功率预测

基金资助:国家自然科学基金(62363029)、内蒙古科技计划项目(2020GG0283,2021GG0256)资助

2025年5期其他文献查阅:

面向RTC的微秒级采样实时控制系统设计与实现

通信系统发射通道的雷电防护设计

柔性支承的立式转子主动电磁阻尼减振研究

基于实域粗糙集和NRBO-XGBoost的变压器故障诊断

基于改进YOLOv10n的电动车头盔佩戴检测算法

基于GAN-LSTM改进T-L磁补偿方法

结合注意力和多尺度特征的电动汽车负荷预测

基于双流特征增强网络的超短期光伏功率预测

一种抗差估计的GNSS/UWB/IMU集成式室内外无缝定位方法

基于改进YOLOv8的电梯内电动车检测算法

基于模态分解和误差修正的短期电力负荷预测

基于表面肌电信号估计多自由度手指力的ShuffleVT模型

基于深度学习与聚类的开集个体识别技术

实复域多尺度多层次融合的复合故障定位方法

基于改进YOLOv5s太阳能电池片表面缺陷检测算法

3D打印碳纤维复合材料构件缺陷识别方法研究

改进YOLOv8的电动自行车电池检测算法

基于霍夫梯度的同步并行圆检测方法

锂电池X射线图像增强算法研究

基于GSV-YOLO的飞机起落架缺陷检测方法研究

基于重参数化的光伏电池缺陷检测算法

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!