CN119401402A 一种适应天气变化的短临期光伏发电功率预测方法 （华能江苏综合能源服务有限公司）

一种适应天气变化的短临期光伏发电功率本发明公开了一种适应天气变化的短临期理后，按比例划分训练集和测试集；构建基于差以持续拟合预测值，进而可更新预测模型参以助于光伏并网系统响应电网稳定需求的控制2S3，ISSA算法优化与最优超参数选择：通过ISSAS5，模型评估：对步骤S4获得的最佳模型的预测结2.如权利要求1所述的一种适应天气变化的短临期光伏发电功率预测方法，其特征在3.如权利要求2所述的一种适应天气变化的短临期光伏发电功率预测方法，其特征在24.如权利要求1所述的一种适应天气变化的短临期光伏发电功率预测方法，其特征在S21:初始化一个种群，每个个体代表一组超参数组合，所述超参数组合至少包括3在每个时间步t，正向LSTM的隐藏状态和反向LSTM的隐藏状态会被连接起来形成5.如权利要求4所述的一种适应天气变化的短临期光伏发电功率预测方法，其特征在6.如权利要求5所述的一种适应天气变化的短临期光伏发电功率预测方法，其特征在i7.如权利要求1所述的一种适应天气变化的短临期光伏发电功率预测方法，其特征在8.如权利要求7所述的一种适应天气变化的短临期光伏发电功率预测方法，其特征在49.如权利要求8所述的一种适应天气变化的短临期光伏发电功率预测方法，其特征在5号:202311223922.4)利用PSO_LSTM提出了超短期光伏功率预测的光伏电站有功功率优化MPBiLSTM的短期光伏发电功率预测[J/OL].计算机技术与发展,1_8[2024_07_15])利用变6函数(IMF)，记作IMF1,k(t)，重复此过程N次，获得一组初始IMF集合{IMF1,1(t),IMF1,227[0035]作为本发明的又一种改进，所述步骤S2的预测模型采用8[0047](1)本发明提出了一种适应天气变化的短临期光伏发电功率预测方法，以解决在的光伏发电功率短临期预测精度，以助于光伏并网系统响应电网稳定需求的控制参数设分解的准确性和稳定性,有助于提取不同尺度和频率下的本征模态函数，在去噪和模态分[0049](3)本发明步骤S2中采用基于双向长短期记忆网络的模型，能够同时捕捉前后时[0050](4)本发明步骤S3中通过改进的麻雀搜索算法(ISSA)进行超参数优化，确保了全[0055]图4(a)和图4(b)分别为本发明方法和SSA算法晴天条件下一天的原始功率值与预9[0056]图5(a)和图5(b)分别为本方明方法和SSA方法晴天条件下的模型分数和在测试集[0057]图6(a)和图6(b)分别为本发明方法和SSA算法雨天条件下一天的原始功率值与预[0058]图7(a)和图7(b)分别为本发明方法和SSA算法雨天条件下的模型分数和在测试集[0059]图8(a)和图8(b)分别为本发明方法和SSA算法不同天气条件下多天的原始功率值[0060]图9(a)和图9(b)分别为本发明方法和SSA算法不同天气条件下多天的的模型分数[0073]其中nk(t)是添加到第k次迭代中的噪声。噪声的添加有助于2[0079]经过预处理后的数据训练集不少于80预测集不少于20确保训练集和测试[0082]BiLSTM层是一种能够处理时间序列数据的深度学习网络。它在传统LSTM的基础[0091]在BiLSTM的基础上引入Attention机制，用于对BiLSTM输出的时序特征进行加权后的输出序列为编码器输出的最大长度，将解码器的隐藏状态沿该输出序列进行维度扩[0106]使用SSA算法优化得出的超参数组合训练模型，将保存的最佳模型调整为评估模[0121]步骤S2、利用华能江苏分布式光伏户外实证平台数据建立ISSA_BiLSTM_[0122]步骤S21：输入层中将输入数据为归一化处理后的气象数据和对应的发电功率数[0123]步骤S22:BiLSTM层是一种能够处理时间序列数据[0124]步骤S23：Attention机制的引入是为了增强模型对重要时序特征的捕捉能力。藏状态沿该输出序列进行维度扩展，使其与编码器的输出的维度匹配，计算注意力分数[0132]ISSA(ImprovedSparrowSearchAlgorithm，改进的麻雀搜索算法)被用于优化迭代中同时评估10组不同的超参数组合。初始种群中的每个个体由以下几个参数组成：[0134]步骤S32:每个个体的适应度值通过其对应模型在验证集上的损失函数值来衡(d)为服从标准正态分布的随机向量。在局部搜索过程中，预警者通过[0144]步骤S36：在每个epoch结束后，模型在验证集上进[0156]使用SSA算法优化得出的超参数组合训练模型，将保存的最佳模型调整为评估模证明本发明的进步性。运用SSA算法晴天条件下一天的原始功率值与预测功率值的曲线如对误差，得出ISSA优化算法下的模型较SSA优化算法下的模型光伏功率预测曲