工程科学学报2024，Vol.46Issue(1) ：178-186.DOI:10.13374/j.issn2095-9389.2023.02.24.001

基于FCM-LSTM的光热发电出力短期预测

Short-term prediction of concentrating solar power based on FCM-LSTM

刘振路 郭军红 李薇 贾宏涛 陈卓
工程科学学报2024，Vol.46Issue(1) ：178-186.DOI:10.13374/j.issn2095-9389.2023.02.24.001
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于FCM-LSTM的光热发电出力短期预测

Short-term prediction of concentrating solar power based on FCM-LSTM

刘振路 1郭军红 1李薇 1贾宏涛 1陈卓1
扫码查看

作者信息

  • 1. 华北电力大学环境科学与工程学院,北京 102206;华北电力大学资源环境系统优化教育部重点实验室,北京 102206
  • 折叠

摘要

对光热电站的出力进行短期预测,可以有效应对太阳能随机性和波动性带来的影响,为电网调度做好准备.该文以青海某光热电站为例,首先使用模糊C均值聚类算法对预处理后的实验数据进行分类,然后通过分析不同聚类类型下出力和气象数据中各因子间的关联程度,充分挖掘出数据间的关系,确定不同类型预测模型的输入变量,进而构建出不同类别下的长短期记忆神经网络预测模型.结果表明,与传统长短期记忆神经网络模型、BP神经网络模型、支持向量机模型和随机森林模型的预测结果相比,基于模糊C均值聚类的长短期记忆神经网络预测模型效果良好,大幅减少了预测误差,验证了该预测模型的有效性.

关键词

光热电站/气象因素/短期出力预测/长短期记忆神经网络/模糊C均值聚类

Key words

concentrated solar power station/meteorological factors/short-term output forecast/long short-term memory neural network/fuzzy c-means clustering

引用本文复制引用

基金项目

国家电网有限公司总部科技项目(5400-202140500A-0-5-2N)

出版年

2024
工程科学学报
北京科技大学

工程科学学报

CSTPCDCSCD北大核心
影响因子：0.801
ISSN：2095-9389
参考文献量28
段落导航相关论文