基于图机器学习的分布式光伏发电预测

论文摘要

文章基于图机器学习提出了一种面向分布式光伏电站的深度时空特征提取预测模型。首先,针对临近区域的光伏电站进行图建模,使用长短期记忆（long short-term memory,LSTM）模型进行时间特征抓取,使用图卷积原理对电站空间特征进行提取。根据提取的时空特征信息以及历史数据和临近其他区域内光伏电站历史发电数据,训练光伏发电预测模型。以国内某地266个光伏电站为实验对象,实验结果表明基于图机器学习的预测模型进行日前预测,预测误差率仅为5.66%,低于其他机器学习模型预测结果。该模型针对光伏电站15min前发电预测可以捕获当天瞬间出力变化曲线。

论文目录

文章来源

类型: 期刊论文

作者: 阚博文,刘广一,KHODAYAR Mahdi,周建其,魏龙飞,谭俊,汤亚宸

关键词: 图机器学习,光伏预测,图卷积

来源: 供用电 2019年11期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 全球能源互联网美国研究院,Southern Methodist University,国网嘉兴供电公司

基金: 国家电网有限公司科技项目（5455HJ180018）~~

分类号: TM615

DOI: 10.19421/j.cnki.1006-6357.2019.11.003

页码: 20-27

总页数: 8

文件大小: 3236K

下载量: 222

相关论文文献

标签：图机器学习论文;  光伏预测论文;  图卷积论文;