基于相似日与ISC-BiLSTM的短期光伏功率预测方法

打开文本图片集

摘 要：针对传统光伏功率预测方法的精度和鲁棒性难以兼顾的不足，提出一种结合相似日理论、改进麻雀算法（ISSA）与SE通道注意力机制的卷积（CNN）双向长短期记忆（BiLSTM）神经网络模型（简写为ISC-BiLSTM），能实现短期光伏功率的准确预测。该方法首先通过相关性计算，筛选出影响光伏功率的主要气象因子；再使用模糊C均值聚类（FCM）方法对存在相似天气特征的相似日进行聚类；然后通过加入SE的CNN对主要气象参数与历史功率的时空特征进行充分提取；接着利用BiLSTM对数据序列间的依赖关系进行捕捉；最后通过ISSA对模型的超参数进行寻优，并选择超参数最优的模型进行功率预测。（剩余18166字）