基于FA-PCA-LSTM的光伏发电短期功率预测
来源期刊：昆明理工大学学报(自然科学版)2019年第1期
论文作者：杨茂 朱亮
文章页码：61 - 68
关键词：光伏功率预测;因子分析;主成分分析;长短期记忆网络;多元数据序列;
摘 要：准确的短期光伏功率预测是调度部门合理制定发电计划、保证电力系统安全性和经济性的关键性技术.针对光伏出力可预测性低的问题,提出了一种结合因子分析（factor analysis,FA）、主成分分析（principal component analysis,PCA）和长短期记忆网络（long short-term memory,LSTM）的光伏发电短期功率预测方法.首先采用因子分析对多元数据序列信息进行分析,提取相关性较高的公共因子并优化样本.然后通过主成分分析对优化后的多元数据序列进行筛选,在充分利用序列信息的基础上降低数据规模和复杂程度.最后,利用LSTM网络对多元数据序列与光伏功率序列之间的非线性关系进行动态时间建模并预测.采用中国新疆某光伏电站的实测数据进行验证,算例分析结果表明所提预测方法的有效性.
杨茂，朱亮
东北电力大学电气工程学院
摘 要：准确的短期光伏功率预测是调度部门合理制定发电计划、保证电力系统安全性和经济性的关键性技术.针对光伏出力可预测性低的问题,提出了一种结合因子分析（factor analysis,FA）、主成分分析（principal component analysis,PCA）和长短期记忆网络（long short-term memory,LSTM）的光伏发电短期功率预测方法.首先采用因子分析对多元数据序列信息进行分析,提取相关性较高的公共因子并优化样本.然后通过主成分分析对优化后的多元数据序列进行筛选,在充分利用序列信息的基础上降低数据规模和复杂程度.最后,利用LSTM网络对多元数据序列与光伏功率序列之间的非线性关系进行动态时间建模并预测.采用中国新疆某光伏电站的实测数据进行验证,算例分析结果表明所提预测方法的有效性.
关键词：光伏功率预测;因子分析;主成分分析;长短期记忆网络;多元数据序列;
