采用PCA-CSA-Informer模型的光伏短期发电量预测OA北大核心CSTPCD
为提高光伏发电的预测精确度,提出一种结合主成分分析(PCA)、双通道注意力(CSA)机制和Informer的短期光伏发电量预测新模型.采用Spearman相关分析方法对光伏发电的多元时间序列进行分析,并结合PCA提取时序特征,构建输入数据集.同时,引入CSA机制模块,提取光伏发电历史数据的时间维度和空间维度的特征,然后输入Informer模型进行预测.采用以30 min为分辨率的光伏电站公开数据集进行实验验证和对比分析.实验结果表明,本研究所提出的预测模型在4步预测中的平均绝对误差为0.061 5,均方误差为0.020 5,均方根误差为0.143 5,R~2为0.987 2,均优于其他比较模型,有望为光伏短期发电量预测提供更好的预测精确度.
蔡伟雄;陈志聪;吴丽君;程树英;林培杰
福州大学物理与信息工程学院,微纳器件与太阳能电池研究所,福建福州350108福州大学物理与信息工程学院,微纳器件与太阳能电池研究所,福建福州350108福州大学物理与信息工程学院,微纳器件与太阳能电池研究所,福建福州350108福州大学物理与信息工程学院,微纳器件与太阳能电池研究所,福建福州350108福州大学物理与信息工程学院,微纳器件与太阳能电池研究所,福建福州350108
动力与电气工程
光伏发电预测短期发电量Informer模型主成分分析双通道注意力机制
《福州大学学报（自然科学版）》 2024 (6)
P.681-690,10
国家自然科学基金资助项目(62271151)福建省自然科学基金资助项目(2021J01580)福建省工业引导性(重点)资助项目(2022H0008)。
评论