基于CNN-BiLSTM-Attention的光伏发电功率预测研究

朱峻嬉; 郑淑娴; 金典; 孙世康; 冯靖瑶; 陈仕军

doi:10.16527/j.issn.1003-6954.20260103

您当前的位置：

首页 >

文章列表页 >

基于CNN-BiLSTM-Attention的光伏发电功率预测研究

更新时间：2026-03-31

- 基于CNN-BiLSTM-Attention的光伏发电功率预测研究
- Vol. 49, Issue 1, Pages: 14-21+95(2026)
- 作者机构：
  
  1. 四川大学水利水电学院
  2. 四川大学计算机学院
  3. 四川大学匹兹堡学院
  4. 四川大学轻工科学与工程学院
  5. 四川大学山区河流保护与治理全国重点实验室
- 作者简介：
- 基金信息：
- DOI：10.16527/j.issn.1003-6954.20260103
  CLC： TM615;TP183
- Published：2026
- 稿件说明：
移动端阅览
朱峻嬉, 郑淑娴, 金典, et al. 基于CNN-BiLSTM-Attention的光伏发电功率预测研究[J]. 2026, 49(1): 14-21+95.
DOI：

朱峻嬉, 郑淑娴, 金典, et al. 基于CNN-BiLSTM-Attention的光伏发电功率预测研究[J]. 2026, 49(1): 14-21+95. DOI： 10.16527/j.issn.1003-6954.20260103.

摘要

针对光伏功率输出的波动性及间歇性特征，提出了一种卷积神经网络(convolutional neural network

CNN)结合双向长短期记忆网络(bidirectional long short-term memory

BiLSTM)和注意力机制(Attention)的混合预测模型：先采用局部异常因子(local outlier factor

LOF)算法检测与剔除功率数据中的异常数据，结合横向归一化方法消除量纲差异；再利用CNN捕捉局部空间特征、BiLSTM捕捉长期时序依赖，建立预测模型；最后在优化阶段引入Attention动态分配关键时间步的权重。为检验模型效果，选取某省级电网近3年的光伏发电功率数据进行实例分析。结果表明，所提CNN-BiLSTM-Attention预测模型的平均绝对误差、均方根误差和平均相对误差分别为0.02、0.04和0.06

可实现光伏发电的高精度功率预测，对优化电力调配与新能源消纳具有实际意义。

Abstract

关键词

Keywords

references

曹阳.基于深度学习的光伏发电功率预测[D].天津科技大学,2023(03).

石松铠.基于深度学习的光伏发电功率超短期和短期预测研究[D].河北大学,2023(11).

廖乾国.基于地基云图和深度学习的光伏发电功率预测方法研究[D].宁夏大学,2023(04).

陈诚.一种融合语法信息的文本压缩方法研究[D].广东工业大学,2020(06).

Markus M. Breunig,Hans-Peter Kriegel,Raymond T. Ng,Jörg Sander.LOF[J].ACM SIGMOD Record,2000.

归一数,霍勇,徐亦淳,李晨曦.基于注意力机制的Bi-LSTM光伏发电超短期功率预测方法研究与实施[J].太阳能学报,2025(09).

蔡子龙,李嘉棋,沈赋,王健,徐潇源,杨宇林.基于SDAE-EEMD降噪分解与改进Informer-BiLSTM模型的电力短期负荷预测方法[J].电网技术,2025(12).

孟玲玲,杨春兰,王强.基于ICEEMDAN-IGJO-BiLSTM组合模型的短期电力负荷预测[J].兰州文理学院学报(自然科学版),2025(04).

赵云.基于人工智能算法的能源光伏发电量预测[J].能源科技,2025(03).

秦卫民,唐昊,任曼曼,梁肖,王涛,陈韬.一种基于CNN-LSTM的改进CGAN光伏短期出力场景生成方法[J].太阳能学报,2025(04).

乔雅宁,贾宇琛,高立艾,温鹏.基于VMD-IDBO-LSTM的光伏功率预测模型[J].现代电子技术,2025(06).

冯秀坤,刘国通,李占峰,余小涛.基于CNN-BiLSTM-Attention的光伏功率预测模型[J].电工技术,2025(04).

朱童,王彦沣,叶希,黄格超,李甘,朱琳俐,张巍,王渝红.考虑多风电机组关联特性的超短期功率预测方法[J].四川电力技术,2025(01).

陆徐丹,沈宏晔.基于改进型CNN-LSTM神经网络的光伏功率预测[J].计算机时代,2025(02).

李特,王尧,武文起,赵炜.机器学习在光伏发电功率预测中的应用分析[J].河北电力技术,2024(03).

李文佳,吴丽丽,温小虎,冯起,周婷,杨林山,尹振良.基于注意力机制优化LSTM-Seq2seq模型的径流模拟研究[J].冰川冻土,2024(03).

蔡源,吴浩,唐丹.光伏发电功率预测方法综述[J].四川电力技术,2024(02).

刘恬语.大规模光伏发电对电力系统的影响及其对策分析[J].光源与照明,2023(09).

赵海玉,王向伟,乔强.基于深度学习的光伏发电功率预测方法研究[J].电工技术,2023(09).

陈晓华,王志平,吴杰康,许海文,陈盛语,张勋祥,龙泳丞,谢明钊.基于COOT-SVM的短期光伏发电功率预测[J].四川电力技术,2023(06).

赵海玉,衣杨,杨洪生.基于数字孪生技术的光伏发电功率预测方法研究[J].电气技术与经济,2023(01).

张传坤,牛文东,赵舒铭,张远镇,牛子凡.全球能源短缺调查及思考[J].国网技术学院学报,2019(02).

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

融合BiFPN和注意力机制的电力设备异常检测算法

Related Author

邹琬

杨玥坪

廖文龙

刘睿

王振宇

孙璐

唐浩

陈亮

Related Institution

国网四川省电力公司

国网四川省电力公司电力科学研究院

西南交通大学信息科学与技术学院

国网四川省电力公司眉山供电公司

AI问答

⁰