基于Inception-CNN-LSTM的光伏发电输出功率预测模型研究

张芸芸; 陈家乐; 李铮伟

doi:10.19911/j.1003-0417.tyn20240424.02

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

基于Inception-CNN-LSTM的光伏发电输出功率预测模型研究

更新时间：2025-12-07

- 基于Inception-CNN-LSTM的光伏发电输出功率预测模型研究
- Issue 4, Pages: 69-75(2025)
- 作者机构：
  
  1. 上海东方延华节能技术服务股份有限公司
  2. 同济大学机械与能源工程学院
- 作者简介：
- 基金信息：
- DOI：10.19911/j.1003-0417.tyn20240424.02
  CLC： M615;TP183
- Published：2025
- 稿件说明：
移动端阅览
张芸芸, 陈家乐, 李铮伟. 基于Inception-CNN-LSTM的光伏发电输出功率预测模型研究[J]. 2025, (4): 69-75.
DOI：

张芸芸, 陈家乐, 李铮伟. 基于Inception-CNN-LSTM的光伏发电输出功率预测模型研究[J]. 2025, (4): 69-75. DOI： 10.19911/j.1003-0417.tyn20240424.02.

摘要

输出功率作为光伏发电系统运维时的重要指标，是了解光伏发电系统发电能力和运行情况的重要方式。结合Inception网络的多尺度特征提取能力、卷积神经网络(CNN)的局部特征捕捉能力和长短期记忆网络(LSTM)的时间序列建模能力，提出基于Inception-CNN-LSTM的光伏发电输出功率预测模型，并将其与其他3种模型的预测精度进行了对比。研究结果表明：Inception-CNN-LSTM模型在平均绝对百分比误差、均方根误差变异系数和模型拟合度指标方面均优于传统LSTM模型、CNN-LSTM模型和随机森林模型。该模型在电网电力调度、故障诊断和光伏组件维护方面具有广阔的应用前景，能够为光伏发电系统的高效运行提供有力支持。

Abstract

关键词

Keywords

references

Ramasamy Suganthi,Perumal Maruthupandi.CNN‐based deep learning technique for improved H7 TLI with grid‐connected photovoltaic systems[J].International Journal of Energy Research,2021.

Department of Electrical Engineering,Aswan University,Department of Electrical Engineering,Aswan University,Department of Electrical Engineering,Aswan University,Department of Electrical Engineering,Aswan University.Accurate photovoltaic power forecasting models using deep LSTM-RNN[J].Neural Computing and Applications,2019.

Donghun Lee,Kwanho Kim.Recurrent Neural Network-Based Hourly Prediction of Photovoltaic Power Output Using Meteorological Information[J].Energies,2019.

Torres Huitzil Cesar,Girau Bernard.Fault and Error Tolerance in Neural Networks: A Review[J].IEEE Access,2017.

柯子桓,罗楚楠,黎少凡.基于循环神经网络的配网电压异常数据检测方法[J].电子设计工程,2024(01).

李树娴,张晓骏,胡成雨.基于LSTM的政策效应预测模型及其应用[J].统计与决策,2023(23).

易龙强.基于多级CNN的光伏组件智能Ⅳ诊断方法[J].电气应用,2023(11).

黄浚哲,印宇涵,汤明轩,梅飞.基于CEEMDAN与改进LSTM的短期光伏出力预测[J].电器与能效管理技术,2023(10).

徐柔,章杰,赖松林,林培杰,卢箫扬,余平平.结合改进的DCGAN和Attention-LSTM的光伏功率预测[J].福州大学学报(自然科学版),2023(04).

李争,徐若思,曹欣,罗晓瑞,孙鹤旭.基于小波变换和IAGA-BP神经网络的光伏功率短期预测方法[J].可再生能源,2023(07).

刘梦月,彭佳强,肖睿,陈熙,宋梦宇,邓章,陈毅兴.基于深度学习的城市屋顶光伏面积识别及光伏发电潜力研究[J].建筑科学,2023(06).

朱润泽,王德军.基于LSTM神经网络的光伏系统功率预测[J].电力科技与环保,2023(03).

李冬辉,刘功尚,高龙.基于Inception-LSTM-Attention的冷水机组传感器偏差故障诊断方法[J].中南大学学报(自然科学版),2023(01).

朱坤,付青.基于EEMD-Kmeans-ALO-LSTM的短期光伏功率预测[J].电源技术,2023(01).

唐圣学,宋晓,李明,姚帅亮,陈丽,孙志国.光伏组件寿命衰退建模与寿命预测高斯随机过程回归方法研究[J].太阳能学报,2022(12).

乔楠.基于SSA-FNN的光伏功率超短期预测研究[J].光源与照明,2022(10).

吴硕.光伏发电系统功率预测方法研究综述[J].热能动力工程,2021(08).

戴锦,肖文波,胡芳雨,吴思宇.光伏发电性能物理预测模型的研究[J].电源技术,2018(02).

Views

532

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

宁夏地区月水平面太阳总辐照量的预测方法研究

分布式光伏发电项目的建设期投资成本控制与评价研究

限电对光伏电站设计方案的影响分析

光伏支架基础现状与砂砾石地质下其结构优化的研究

多能互补风光水火储一体化系统装机容量规划及协调控制方法研究

Related Author

武万里

杨亚丽

王淑丽

杨军

王慧萍

刘争昊

马思娟

武镜海

Related Institution

宁夏回族自治区气象服务中心

中国气象局旱区特色农业气象灾害监测预警与风险管理重点实验室

福建紫金工程技术有限公司

聚合电力工程设计(北京)股份有限公司

中山大学土木工程学院

AI问答

⁰