周文,高强,毛泽民.基于改进的AT-QRCNN-BiLSTM模型的多变量时序短期光伏功率区间预测研究[J].电工技术,2024(22):72-79
基于改进的AT-QRCNN-BiLSTM模型的多变量时序短期光伏功率区间预测研究
  
DOI：10.19768/j.cnki.dgjs.2024.22.021
中文关键词:  光伏区间预测  不确定性  AT-CNN-BiLSTM  BWO  AT-QRCNN-BiLSTM
英文关键词:
基金项目:
作者单位
周文 天津理工大学电气工程与自动化学院 
高强 天津理工大学电气工程与自动化学院 
毛泽民 天津理工大学聋人工学院 
摘要点击次数: 15
全文下载次数: 0
中文摘要:
      针对光伏发电的随机性、波动性和间歇性特征以及天气和环境的不确定性，导致其功率输出难以精准预测的问题，提出了一种改进的基于注意力机制的分位数回归卷积神经网络和双向长短时记忆神经网络模型(AT-QRCNN-BiLSTM)融合构建的多变量时序短期光伏功率区间预测方法。该方法由数据预估与校正、数据点预测、伴有优化目标函数的区间预测3个部分组成。首先考虑测量误差对历史数据的影响，将光伏功率及环境的历史数据进行预估处理，得到预估后的历史数据；然后将预估后的光伏功率和环境历史数据输入一个基于注意力机制的卷积神经和双向长短时记忆神经网络(AT-CNN-BiLSTM)融合构建的点预测模型进行训练，得到校正后的点预测结果；然后通过白鲸优化算法(BWO)改进后的AT-QRCNN-BiLSTM模型预测置信区间的上下界；最后通过区间预测的评价指标对预测结果进行分析。仿真结果表明，该融合网络模型预测性能良好，平均绝对误差和均方根误差分别为0.1636 kW和0.2511%。该方法在置信度95%的区间预测的覆盖率达到95.02%，区间宽仅有12.75%。
英文摘要:
      
查看全文  查看/发表评论  下载PDF阅读器