基于xLSTM-BNN的分布式光伏出力概率预测

魏颖莉; 栾士岩; 贾亚飞; 程鹏; 张沛

doi:10.26945/j.cnki.1001-9898.2025.05.002

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

基于xLSTM-BNN的分布式光伏出力概率预测

更新时间：2025-11-18

- 基于xLSTM-BNN的分布式光伏出力概率预测
- Vol. 44, Issue 5, Pages: 1-8(2025)
- 作者机构：
  
  1. 国网雄安新区供电公司
  2. 天津大学电气自动化与信息工程学院
- 作者简介：
- 基金信息：
- DOI：10.26945/j.cnki.1001-9898.2025.05.002
  CLC： TP18;TM615
- Published：2025
- 稿件说明：
移动端阅览
魏颖莉, 栾士岩, 贾亚飞, et al. 基于xLSTM-BNN的分布式光伏出力概率预测[J]. 2025, 44(5): 1-8.
DOI：

魏颖莉, 栾士岩, 贾亚飞, et al. 基于xLSTM-BNN的分布式光伏出力概率预测[J]. 2025, 44(5): 1-8. DOI： 10.26945/j.cnki.1001-9898.2025.05.002.

摘要

针对分布式光伏出力预测精度提升和不确定性量化难题，提出了一种基于扩展长短期记忆网络(extended long short-term memory

xLSTM)和贝叶斯神经网络(bayesian neural network

BNN)的分布式光伏出力概率预测方法。首先，利用皮尔逊相关系数和最大信息系数对总辐照度、总云量、环境温度、风速等影响因素进行相关性分析，选取关键因素作为模型输入特征；然后，利用xLSTM进行时间序列特征提取，捕捉分布式光伏出力随时间变化的复杂波动模式；最后，将由xLSTM提取的有效特征输入BNN进行概率建模，从而量化分布式光伏出力的不确定性。基于中国某真实分布式光伏电站数据进行算例分析，结果表明所提概率预测方法与其他对比模型相比覆盖率平均提升了6.40%

区间宽度平均降低了16.82%。

Abstract

关键词

Keywords

references

赵康宁,蒲天骄,王新迎,李烨.基于改进贝叶斯神经网络的光伏出力概率预测[J].电网技术,2019(12).

万灿,宋永华.新能源电力系统概率预测理论与方法及其应用[J].电力系统自动化,2021(01).

张娜,王守相,葛磊蛟,王志和.一种光伏短期出力区间预测方法[J].太阳能学报,2020(08).

黎静华,骆怡辰,杨舒惠,韦善阳,黄乾.可再生能源电力不确定性预测方法综述[J].高电压技术,2021(04).

万灿,崔文康,宋永华.新能源电力系统概率预测：基本概念与数学原理[J].中国电机工程学报,2021(19).

赵耀,高少炜,李东东,林顺富,杨帆,黄学勤.基于天气相似聚类与QRNN的短期光伏功率区间概率预测[J].电力系统自动化,2023(23).

盛瑞祥,张啸宇.基于概率TCN-Transformer的短期光伏功率预测模型[J].综合智慧能源,2024(11).

张昆明,马龙义,章天晗,钟红梅,谭伟涛,韦园清,林振智.基于iDGA-LSTM的分布式光伏出力时空协同概率预测方法[J].电力系统自动化,2025(01).

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

计及分布式光伏分布特性的配电网可开放容量评估

高渗透率分布式光伏接入对配电网的影响

考虑出力不确定性的分布式光伏选址定容方法

基于回归算法修正的分布式光伏弃限电量统计方法

Related Author

侯若松

张妍

安佳坤

赵阳

郝志方

时珉

黄晓琼

杨潇

Related Institution

国网河北省电力有限公司经济技术研究院

国网河北省电力有限公司邢台供电分公司

国网河北省电力有限公司保定供电分公司

AI问答

⁰