融合时空特征的光伏气象因子预测模型

来源：计算机工程与应用杂志2022年第23期北京时间：

作者：李金中, 王小明, 谢毓广, 高博, 汪勋婷

单位：国网安徽省电力有限公司 电力科学研究院，合肥 230601

摘要：光伏发电极易受到天气的影响而具有波动性和不确定性，因此对气象因子的准确预测对光伏电站的运维具有重要意义。提出了一种基于深度学习的时空特征融合模型，实现对光伏气象因子的精准预测。在时间维度上，设计了一种改进的长短期记忆模块，融合注意力机制和遗传算法，得到最优注意力参数以提高预测精度；在空间维度上，将光伏电站所在区域按照经纬度划分，利用张量分解对区域内气象因子进行预测。在中国东南部某光伏系统的真实数据集上，对该模型的有效性进行了评估。结果表明，该模型在时间维度和空间维度均具有较高预测精度，同时对稀疏数据有较强的鲁棒性。

关键词：气象因子预测,长短期记忆网络,张量分解,注意力机制,遗传算法