基于改进贝叶斯深度学习的光伏功率概率预测

扫码查看

原文链接

万方数据
维普

中文摘要：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.

外文标题：Probability Prediction of Photovoltaic Power Based on Improved Bayesian Deep Learning

作者：

韩坤

展开 >

作者单位：

中国大唐集团科学技术研究总院有限公司,北京 100040

关键词：

贝叶斯神经网络结构改进光伏功率概率预测

出版年：

2022

DOI：

10.3969/j.issn.1007-1423.2022.01.012