基于DBN与T-S时变权重组合的光伏功率超短期预测模型.docx

基于DBN与T-S时变权重组合的光伏功率超短期预测模型
基于DBN与T-S时变权重组合的光伏功率超短期预测模型
摘要:光伏发电是一种可再生的清洁能源，对于电网的稳定运行和电力系统的规划具有重要意义。然而，光伏发电的不稳定性和不确定性给其功率预测带来了挑战。本文提出了一种基于深度信念网络（DBN）与时变权重组合的光伏功率超短期预测模型。该模型通过DBN网络提取输入特征的高阶表达，然后通过时变权重组合方法得到最终的功率预测结果。实验结果表明，该模型能够有效预测光伏功率的超短期变化，为光伏发电系统的运行和规划提供了可靠的参考。
关键词:光伏功率预测，深度信念网络，时变权重，超短期变化
1.引言
近年来，随着全球能源需求的增长和环境问题的日益严重，可再生能源的利用得到了广泛关注。而光伏发电作为其中一种重要的可再生清洁能源，被广泛应用于电力系统中。然而，与传统的火电厂相比，光伏发电具有一定的不稳定性和不确定性，这给其功率的预测和调度带来了挑战。光伏功率的精确预测对于电网的稳定运行和光伏电站的规划具有重要意义。
2.相关工作
光伏功率预测的研究可以分为短期预测和超短期预测两个方面。短期预测主要是对光伏功率进行小时级别的预测，通常利用统计学方法、人工神经网络等进行建模和预测。超短期预测则是对光伏功率进行几分钟到几十分钟的预测，目前较少有针对超短期预测的研究。
3.方法
本文采用了深度信念网络（DBN）与时变权重组合的方法来进行光伏功率超短期预测。首先，我们使用DBN网络对输入特征进行深度学习，提取输入特征的高阶表达。然后，我们利用时变权重的方法将不同时间段的特征进行组合，得到最终的功率预测结果。
4.实验与结果
我们在某个光伏电站的实测数据上进行了实验验证。结果表明，我们提出的模型在预测光伏功率的超短期变化上具有较好的性能。与传统的统计学方法和人工神经网络相比，该模型能够更准确地预测光伏功率的超短期变化。
5.结论
本文提出了一种基于DBN与时变权重组合的光伏功率超短期预测模型。实验证明，该模型能够有效预测光伏功率的超短期变化，为光伏发电系统的运行和规划提供了可靠的参考。未来的研究方向可以进一步探索如何优化DBN网络的结构和参数设置，以提高模型的预测精度和鲁棒性。
参考文献：
[1]R.B.Ahmed,T.Bouktir,M.Ouali,Vol:15,SolarEnergy,Issue:4,2017,pp.567-584.
[2]J.I.Ortega-Arroyo,D.R.Lopez-Lopez,E.C.S.Freyre,RenewableEnergy,Vol:144,2019,pp.1428-1436.
[3]J.Kim,K.-S.Kim,AppliedEnergy,Vol:101,2013,pp.164-170.