一种考虑时空相关性的超短期分布式光伏发电预测方法
Tong Zihao,
Liu Shuhan,
Zhao Zhen
《Electronics》:An Ultra-Short-Term Distributed PV Power Forecasting Method Considering Spatiotemporal Correlation
Zihao Tong,
Shuhan Liu and
Zhao Zhen
【字体:
大
中
小
】
时间:2026年05月06日
来源:Electronics 2.6
编辑推荐:
摘要
对分布式光伏(DPV)系统进行准确的超短期功率预测对于配电网络的日内运行至关重要。然而,目前基于图网络的方法仅将少数DPV站点作为预测对象;当需要对大量DPV站点
摘要
对分布式光伏(DPV)系统进行准确的超短期功率预测对于配电网络的日内运行至关重要。然而,目前基于图网络的方法仅将少数DPV站点作为预测对象;当需要对大量DPV站点进行建模时,庞大的图结构需要多次信息传播才能实现全局相关性提取。由于相邻DPV站点的输出特征相似,过度的信息聚合会导致节点特征趋于一致,从而使得信息提取效率低下且结果不足,这限制了预测精度的提高。为了解决上述问题,本研究提出了一种考虑时空相关性的超短期分布式光伏功率预测方法。首先,根据DPV站点的空间位置和功率输出的时间特性,将它们聚类成多个子区域。然后根据从DPV站点到子区域的隶属关系和信息传输顺序,构建出一个层次结构。接下来,通过过滤掉输出差异较大的噪声站点,动态描述每个子区域的输出模式。最后,通过层次化和顺序化地挖掘输出模式之间的局部和全局时空相关性,应用层次动态图卷积网络(HDGCN)来实现区域功率预测。基于166个DPV站点的数据进行的实验结果表明,所提出的HDGCN模型在4小时提前预测的尺度上显著优于最佳的传统基准模型,归一化均方根误差(NRMSE)降低了约38.56%,归一化平均绝对误差(NMAE)降低了33.79%。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号