通过融合多级特征提取和PSO-BiLSTM模型预测风能和光伏发电量
论论资讯 ｜ 2024-04-29 ｜
26热度
Energy
Explore content
About the journal
Publish with us
Prediction of wind and PV power by fusing the multi-stage feature extraction and a PSO-BiLSTM model
Peng S.; Zhu J.; Wu T.; Yuan C.; Cang J.; Zhang K.; Pecht M.
Published：2024-07-01
DOI：10.1016/j.energy.2024.131345
研究背景
在当今社会，随着可再生能源的不断发展，风能和光伏能源的利用日益普及。然而，准确预测风能和光伏能源的产出对于电力系统的稳定运行至关重要。目前传统的能源预测方法在捕捉风能和光伏能源的随机波动方面面临挑战。
研究内容
一项名为《利用多阶段特征提取和PSO-BiLSTM模型融合预测风能和光伏能源》的研究为解决这一问题而开展。该研究采用了一种新颖的方法，结合了多阶段特征提取和粒子群优化（PSO）-双向长短期记忆（BiLSTM）模型。为了展示风能和光伏能源的振荡和不稳定性，研究提出了辛几何模型分解（SGMD）来分解特征数据并获得多个特征子序列。通过利用核主成分分析来降低风能和光伏能源的非线性子序列的维度，从而避免了传统方法（如经验模态分解）中对特征过度分解的问题。相较于传统的LSTM模型，该研究基于PSO-BiLSTM开发了一种能源预测模型，有效解决了忽略功率与气象特征之间逆时相关性和对模型超参数敏感的问题。通过以中国新疆省某电站的功率数据为例，实验结果表明，利用该方法可以准确预测风能和光伏能源，预测准确率分别达到了97.9%和98.5%。
研究意义
这项研究的创新之处在于结合了多种技术手段，提高了风能和光伏能源的预测准确性。通过该研究，可以更好地应对可再生能源波动性大、不稳定的特点，为电力系统的稳定运行提供重要参考。这一研究成果对于推动清洁能源的发展以及提高能源利用效率具有重要意义。
希望这篇文章能够帮助你更好地了解最新的风能和光伏能源预测技术！
学术热榜
查看全部
相关资讯
换一批