气象数据是光伏出力预测的重要依据,气象数据的质量对预测的准确性至关重要.但对于分布式光伏系统,往往缺乏气象监测装置,难以对每个站点分别提供准确的气象数据.针对这一问题,提出一种分布式光伏超短期出力组合预测方法,将图卷积神经网络(Graph Convolutional Network,GCN)与长短期记忆神经网络(Long Short-Term Memory,LSTM)耦合构建预测网络.在数据预处理方面,采用趋势项分解方法,将历史出力数据分解为趋势项和剩余项,利用剩余项训练预测网络.利用图卷积网络提取历史数据的数值和结构信息,并使各站点共享信息,然后输入LSTM网络实现预测,再将趋势项加回网络的输出作为最终预测值.最后,利用某光伏发电装置采集的真实数据进行仿真验证,得出结论为:GCN-LSTM模型的预测精确度对比传统LSTM模型有显著提高,而趋势项分解法对GCN-LSTM和LSTM模型都有助于提高预测精确度.
万方数据
维普
