基于WT-CNN-BiLSTM模型的日前光伏功率预测OA北大核心CSTPCD

光伏功率的准确预测对于电网的安全稳定和经济运行具有重大意义。为此,提出了一种日前光伏功率预测方法,利用小波变换(wavelet transform,WT)将数值天气预报数据(numerical weather prediction,NWP)和光伏功率数据分解为具有时间信息的频率数据,消除数据信息中随机性和波动性对预测精度的影响,利用卷积神经网络(convolutional neural network,CNN)模型深度挖掘输入数据的季节性特征和空间关联特性,利用双向长短期记忆网络(bi-directional long-short term memory,BiLSTM)模型获取输入数据序列的时间相关性,构建基于WT-CNN-BiLSTM的日前光伏功率预测模型。以某一光伏电站为计算对象,在不同季节和气候条件下对比分析WT-CNN-BiLSTM模型、CNN-BiLSTM模型、LSTM(long-short term memory)模型、GRU(gated recurrent unit)模型以及PSO-BP(particle swarm optimization-back propagation)模型的预测结果,计算结果表明WT-CNN-BiLSTM模型的预测精度高于其他模型的预测精度。