基于多级特征提取的BiLSTM短期光伏出力预测

打开文本图片集

摘 要：传统光伏预测模型易受气象数据波动的影响，且对气象特征不敏感。由此，提出基于多级特征提取的BiLSTM短期光伏出力预测方法，用于预测不同天气类型下的光伏出力。首先，选取与光伏出力相关性较高的气象因素作为输入特征；使用模糊C均值（FCM）聚类方法，对样本进行灵活划分，通过计算Xie-Beni指标以确定最佳聚类数，将历史数据集聚类为晴天、少云天、晴转多云、阴雨天和恶劣天气；其次，构建CNN-CBAM-TCN多级特征提取器（MFE）：利用卷积神经网络（CNN）进行初步的特征提取，结合卷积注意力块（CBAM）抑制非重要特征，之后，利用时间卷积网络（TCN）进一步捕捉日内光伏出力的时序特征；最后，借助双向长短期记忆网络（BiLSTM）进行光伏出力预测。（剩余20122字）