现代计算机2022，Vol.28Issue(1) ：70-74.DOI:10.3969/j.issn.1007-1423.2022.01.012

基于改进贝叶斯深度学习的光伏功率概率预测

Probability Prediction of Photovoltaic Power Based on Improved Bayesian Deep Learning

韩坤
现代计算机2022，Vol.28Issue(1) ：70-74.DOI:10.3969/j.issn.1007-1423.2022.01.012
✕
  • 维普
  • 万方数据

基于改进贝叶斯深度学习的光伏功率概率预测

Probability Prediction of Photovoltaic Power Based on Improved Bayesian Deep Learning

韩坤1
扫码查看

作者信息

  • 1. 中国大唐集团科学技术研究总院有限公司,北京 100040
  • 折叠

摘要

光伏功率点预测方法无法对功率波动进行预测,当功率出现短时波动时预测结果将会产生较大偏差.本文基于贝叶斯深度学习网络,通过堆叠自动编码器对复杂气象因素进行特征提取和自动降维,利用一维卷积神经网络学习历史运行数据的趋势特征,以此对光伏功率两类输入特性参数进行预处理,改进贝叶斯深度网络结构.最终在某光伏电厂数据上,进行了不同置信度区间的概率预测,并与其他概率预测算法进行对比验证,从仿真结果可知本文所提方法可对功率波动做出较为准确的响应,预测效果更好.

关键词

贝叶斯神经网络/结构改进/光伏功率/概率预测

引用本文复制引用

出版年

2022
现代计算机
中大控股

现代计算机

影响因子：0.292
ISSN：1007-1423
参考文献量1
段落导航相关论文