Short-term Power Prediction for Distributed Photovoltaic Systems Based on DDTW Clustering and SK TCN-GC BiGRU Network

DUAN Hong; GUO Cheng; SUN Haidong; WANG Songling

doi:10.20204/j.sp.2025.04009

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

Short-term Power Prediction for Distributed Photovoltaic Systems Based on DDTW Clustering and SK TCN-GC BiGRU Network

更新时间：2025-10-22

- Short-term Power Prediction for Distributed Photovoltaic Systems Based on DDTW Clustering and SK TCN-GC BiGRU Network
- Vol. 53, Issue 4, Pages: 71-80(2025)
- 作者机构：
  
  1. 昆明理工大学机电工程学院,云南,昆明,650500
  2. 昆明理工大学电力工程学院,云南,昆明,650500
- 作者简介：
- 基金信息：
- DOI：10.20204/j.sp.2025.04009
  CLC：
- Published：2025
- 稿件说明：
移动端阅览
段　宏,郭成,孙海东,王嵩岭.基于DDTW聚类和SK TCN-GC BiGRU的分布式光伏短期功率预测[J].智慧电力,2025,53(4):71-80.

doi:10.20204/j.sp.2025.04009
段　宏,郭成,孙海东,王嵩岭.基于DDTW聚类和SK TCN-GC BiGRU的分布式光伏短期功率预测[J].智慧电力,2025,53(4):71-80. DOI： 10.20204/j.sp.2025.04009.

doi:10.20204/j.sp.2025.04009 DOI：

摘要

针对分布式光伏短期功率的准确预测问题，提出了一种基于导数动态时间规整算法（DDTW）聚类和复合注意力预测网络（SK TCN-GC BiGRU）的短期光伏功率预测方法。首先，应用DDTW对历史数据进行相似日分析以构建针对性的训练集。其次，结合选择性内核网络（SKNet）和全局上下文模块（GC Block）优化TCN与BiGRU模型，分别增强提取多尺度特征和全局信息的能力。仿真结果验证了所提模型的优越性，尤其在气象条件数据波动较大的情况下，表现出较强的鲁棒性。

Abstract

To address the issues of accurate short-term power prediction for distributed photovoltaic （PV） systems， this paper proposes a hybrid method integrating derivative dynamic time warping （DDTW） clustering and a composite attention prediction network （SK TCN-GC BiGRU）. First， DDTW is applied to historical data for similarity day analysis， constructing targeted training sets. Second， the temporal convolutional network （TCN） and bidirectional gated recurrent unit （BiGRU） are optimized by combining a selective kernel network （SKNet） and a global context block （GC Block）， enhancing their capabilities in extracting multi-scale features and global contextual information. Simulation results validate the superiority of the proposed model， demonstrating strong robustness under significant meteorological data fluctuations.

关键词

Keywords

references

吴珺玥，赵二刚，郭增良，等.基于Spearman系数和TCN的光伏出力超短期多步预测[J].太阳能学报，2023，44（9）：180-186.

夏晓荣，胡鹏飞，王飞，等.基于小波变换与优化BP神经网络的超短期光伏发电功率预测[J].电网与清洁能源，2024，40（10）：159-166.

陈瑶，陈晓宁.基于自适应Kmeans和LSTM 的短期光伏发电预测[J].电测与仪表，2023，60（7）：94-99.

YANG D Z，WANG W T，GUEYMARD C A，et al.A review of solar forecasting，its dependence on atmospheric sciences and implications for grid integration： towards carbon neutrality [J].Renewable and Sustainable Energy Reviews，2022，161：112348

叶林，程文丁，李卓，等.光伏集群有功功率分层预测控制策略[J].电力系统自动化，2023，47（2）：42-52.

SCHINKE-NENDZA A，VON LOEPER F，OSINSKI P，et al.Probabilistic forecasting of photovoltaic power supply—A hybrid approach using D-vine copulas to model spatial dependencies[J].Applied Energy，2021，304： 117599.

董存，王铮，白捷予，等.光伏发电功率超短期预测方法综述[J].高电压技术，2023，49（7）：2938-2951.

陈璨，苏紫诺，马原，等.基于分层关联性建模的分布式光伏功率超短期概率预测[J].中国电力，2024，57（12）：50-59.

邹港，赵斌，罗强，等.基于PCA-VMD-MVO-SVM的短期光伏输出功率预测方法[J].电力科学与技术学报，2024，39（5）：163-171.

薛阳，李金星，杨江天，等.基于相似日分析和改进鲸鱼算法优化LSTM网络模型的光伏功率短期预测[J].南方电网技术，2024，18（11）：97-105.

周育才，肖添，谢七月，等.基于聚类的HPO-BILSTM光伏功率短期预测[J].太阳能学报，2024，45（4）：512-518.

董雪，赵宏伟，赵生校，等.基于SOM聚类和二次分解的BiGRU超短期光伏功率预测[J].太阳能学报，2022，43（11）：85-93.

周伊，肖先勇，赵清华，等.基于组合数据清洗与改进注意力机制的光伏发电功率预测[J].供用电，2024，41（10）：31-37，49.

汪繁荣，梅涛，卢璐.基于相似日聚类和VMD-LTWDBO-BiLSTM的短期光伏功率预测[J].智慧电力，2024，52（10）：56-63，111.

宋玮琼，赵成，郭帅，等.考虑天气类型和历史相似日的短期光伏输出功率预测[J].电网与清洁能源，2023，39（2）：75-82.

陈建军，李良杰，卢泽汉.基于改进LSTM-TCN模型的分布式光伏功率预测研究[J].电子设计工程，2024，32（16）：187-190，195.

孟安波，许炫淙，陈嘉铭，等.基于强化学习和组合式深度学习模型的超短期光伏功率预测[J]，电网技术，2021，45（12）：4721-4728

王鹏翔，沈娟，王菁旸，等.基于PCA-LMD-WOA-ELM的短期光伏功率预测[J].智慧电力，2022，50（6）：72-78.

董俊，刘瑞，束洪春，等.基于BIRCH聚类的L-Transformer分布式光伏短期发电功率预测[J].高电压技术，2024，50（9）：3883-3893.

王晓霞，俞敏，冀明，等.基于气候相似性与SSA-CNN-LSTM的光伏功率组合预测[J].太阳能学报，2023，44（6）：275-283.

李永飞，张耀，林帆，等.基于气候特征分析及改进XGBoost算法的中长期光伏电站发电量预测方法[J].电力系统保护与控制，2024，52（11）：84-92.

SON H，KIM C，KANG Y，et al.Prediction of government-owned building energy consumption based on an RReliefF and support vector machine model[J].Journal of Civil Engineering and Management，2015，21（6）：748-760

JEONG Y S，JEONG M K.OMITAOMU O A.Weighted dynamic time warping for time series classification[J].Pattern Recognition，2011，44（9）：2231-224.

张逸，李渴，邵振国，等.基于数据关联性分析的工业用户电能质量特征识别[J].电工技术学报，2023，38（13）：3512-3526.

谭珊，赵仲勇，杨建，等.基于动态时间规整的变压器绕组变形故障诊断方法研究[J].高压电器，2024，60（2）：108-118.

杨迪，王辉，贺仁杰，等.基于改进经验模态分解和混合深度学习模型的风速预测[J].智慧电力，2024，52（1）：1-7.

林涛，林政阳，李晨，等.基于TCN的跟网/构网混合型新能源场站并网系统小干扰稳定性快速评估[J].电力科学与技术学报，2024，39（4）：169-177.

张文乾，刘金凤，江军，等.基于CEEMDAN和TCN的变压器油中溶解气体含量预测[J].电力工程技术，2024，43（3）：192-200，233.

LI X，WANG W，HU X，et al.Selective kernel networks[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition，Long Beach，USA：IEEE，2019：510-519.

刘勇国，高攀，兰荻，等.ECA-SKNet：玉米单倍体种子的卷积神经网络识别模型[J].电子科技大学学报，2023，52（6）：866-871.

欧旭鹏，任涛，王玉鹏，等.基于改进麻雀搜索算法优化深度学习网络超参数的短期风电功率预测[J].智慧电力，2023，51（3）：31-38，52.

韩雨，郭成，方正云，等.基于AP-WOA-GRU的分布式光伏集群电压越限动态预测[J].电网与清洁能源，2024，40（4）：118-126.

史加荣，殷诏.基于GRU-BLS的超短期光伏发电功率预测[J].智慧电力，2023，51（9）：38-45.

唐竹，肖宇航，郭淳，等.基于CEEMDAN模态分解和TCN-BiGRU的短期电力负荷预测[J].智慧电力，2024，52（12）：59-64，72.

李雨泽，李心安.基于GCNet的毫米波波束选择算法[J].光通信研究，2023（6）：72-76.

梅礼坤，陈智利.YOLO-Plane：一种基于改进YOLOv5的飞机检测算法[J].激光杂志，2024，45（5）：69-78.

叶翔，孙嘉兴，甘永叶，等.改进YOLOv3模型在无人机巡检输电线路部件缺陷检测中的应用研究[J].电测与仪表，2023，60（5）：85-91.

李楠，张帅，胡禹先，等.一种基于深度自适应网络迁移的暂稳评估模型更新框架[J].电力系统保护与控制，2024，52（14）：25-35.

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Short Term Photovoltaic Output Interval Prediction Based on Integrated Machine Learning Model

Related Author

CHEN Xixun

WU Kaitong

HE Jie

PENG Xiangang

Related Institution

Shantou Power Supply Bureau of Guangdong Power Grid Co.，Ltd.

College of Automation， Guangdong University of Technology

AI问答

⁰