【技术实现步骤摘要】
【】本专利技术涉及光伏功率预测领域，尤其涉及一种基于自适应蚁群整定长短期记忆网络的分布式光伏功率预测方法。
技术介绍
0、
技术介绍
1、随着“碳达峰、碳中和”目标的提出，大力发展新能源已经成为电力系统的重要发展方向之一。光伏发电作为一种环保、可持续的能源形式，正受到日益增长的关注和推广。然而，光伏发电系统的特殊性质带来了一系列挑战，其中最重要的之一就是光伏功率预测的问题。由于光伏发电受到日照强度、天气变化、季节差异、地理位置等多种因素的影响，其功率输出呈现高度非线性和时变性。因此，准确预测光伏功率成为实现智能电网、优化能源调度以及市场交易的关键。
2、目前，传统的功率预测方法主要基于统计学或者数学模型，例如：中国专利cn110598896a、cn112085260a等均提出了光伏功率预测方法，能够依据相似日的基本原理，选取待预测日的相似日进行待预测日各基值点光伏发电功率预测。但是由于光伏发电系统的复杂性和非线性，这些方法的准确性和稳定性较差，无法满足实际应用的需求。
3、为了提高预测精度，深度学习...
【技术保护点】
1.基于自适应蚁群整定长短期记忆网络的分布式光伏功率预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于自适应蚁群整定长短期记忆网络的分布式光伏功率预测方法，其特征在于，所述步骤1中用于预测分布式光伏功率的多维度特征数据向量集中的特征数据包括辐照度数据、气温数据、湿度数据、气压数据、分布式光伏发电功率数据以及负荷用电数据。
3.根据权利要求2所述的基于自适应蚁群整定长短期记忆网络的分布式光伏功率预测方法，其特征在于，将分布式光伏发电功率数据作为输出向量，将辐照度数据、气温数据、湿度数据、气压数据以及负荷用电数据作为输入向量；基于L...
【技术特征摘要】
1.基于自适应蚁群整定长短期记忆网络的分布式光伏功率预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于自适应蚁群整定长短期记忆网络的分布式光伏功率预测方法，其特征在于，所述步骤1中用于预测分布式光伏功率的多维度特征数据向量集中的特征数据包括辐照度数据、气温数据、湿度数据、气压数据、分布式光伏发电功率数据以及负荷用电数据。
3.根据权利要求2所述的基于自适应蚁群整定长短期记忆网络的分布式光伏功率预测方法，其特征在于，将分布式光伏发电功率数据作为输出向量，将辐照度数据、气温数据、湿度数据、气压数据以及负荷用电数据作为输入向量；基于lightgbm特征选择算法将辐照度数据、气温数据、湿度数据、气压数据、分布式光伏发电功率数据以及负荷用电数据等输入向量的特征值转化为直方图，随后对多维度特征数据向量集的各维度特征贡献度进行排序，剔除贡献度小于5％的特征，形成优化后的分布式光伏功率预测多维度特征数据向量集。
4.根据权利要求1所述的基于自适应蚁群整定长短期记忆网络的分布式光伏功率预测方法，其特征在于，所述步骤2中长短期记忆网络包括有若干输入变量、若干lstm单元，所述输入变量顺序经过长短期记忆网络中的隐含层中的各lstm单元进行训练。
5.权利要求4所述的基于自适应蚁群整定长短期记忆网络的分布式光伏功率预测方法，其特征在于，所述lstm单元中引入可保留输入变量的关键时序关联信息的更新门函数，lstm网络通过更新门函数可选择性更新每...
【专利技术属性】
技术研发人员：刘博文，韩亮，孙威，陈小宇，吴月宝，孟文青，李亚宏，
申请(专利权)人：国网江苏省电力有限公司灌云县供电分公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。