基于谱聚类和AM-LSTM的分布式光伏集群超短期预测方法
Distribution & Utilization（2023）
摘要
随着分布式光伏接入越来越多,针对分布式光伏出力开展预测工作越来越重要.分布式光伏由于分散性和随机性强,相对于集中式光伏的预测难度更高,为此提出了一种基于谱聚类和AM-LSTM的分布式光伏集群出力预测算法.该方法首先采用时间动态规划算法分析分布式光伏之间的出力相似性;在此基础上,基于谱聚类算法对分布式电源集群进行分群,将具有相似出力情况的分布式光伏划分为一个集群;然后,结合气象数据和历史光伏出力数据,构建基于注意力机制的LSTM神经网络模型,有效利用光伏出力序列的时间相关性,实现对网络输入特征的自动优选.算例分析表明,所提预测方法能有效提升集群分布式光伏出力预测精度,为配电网安全经济运行提供支撑.
更多关键词
PV power prediction,cluster division,spectral clustering,attention mechanism,long-short term neural network
AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要