1. 水电水利规划设计总院
2. 清华大学
3. 国晟世安科技股份有限公司
纸质出版:2026
移动端阅览
陈喜军, 田培根, 刘松民. 融合注意力机制的神经网络光伏发电功率预测研究[J]. 水力发电, 2026,52(2):102-107.
陈喜军, 田培根, 刘松民. 融合注意力机制的神经网络光伏发电功率预测研究[J]. 2026, 52(2): 102-107.
陈喜军, 田培根, 刘松民. 融合注意力机制的神经网络光伏发电功率预测研究[J]. 水力发电, 2026,52(2):102-107. DOI:
陈喜军, 田培根, 刘松民. 融合注意力机制的神经网络光伏发电功率预测研究[J]. 2026, 52(2): 102-107. DOI:
由于光伏发电系统在复杂外部环境与气象条件下存在显著的发电波动性与不确定性,传统预测方法难以有效预测特征之间的非线性耦合关系,导致传统的功率预测精度受限。为此,提出了一种基于注意力机制的神经网络方法(Self-attention based neural network
SANN)
用于实现不同场景下的高精度光伏发电功率精准预测。首先,构建以气象元素(辐照度、温度、风速、湿度、天气类型等)为输入的特征数据集,并通过标准化处理与时间戳对齐等处理方式构建多变量输入结构数据集。然后,利用特征间多头注意力机制,自动挖掘变量之间的动态依赖关系,增强模型对复杂环境场景下功率变化的敏感度与表征能力。最后,选择在典型场景下实现所提方法的预测效果验证。结果表明,该方法在平均绝对误差MAE、均方根误差RMSE及决定系数R
2
等指标上均优于其他传统方法,说明其在光伏发电功率预测方面具有较高的预测准确性和可靠性。
吴艳娟,荣旺,郭玥,叶技松.基于SVMD-IDBO-KELM的短期光伏发电功率预测[J].太阳能学报,2025(06).
文贤馗,何明君,张俊玮,周科,蔡永翔,张凡.基于K均值聚类的光伏集群发电功率超短期预测研究[J].电力系统保护与控制,2025(12).
李超,涂腾,彭勋辉,李振,晁梓博,刘淑玉.融合DT-BO-GRU的中长期光伏功率滚动预测模型[J].太阳能学报,2025(05).
冯建铭,希望·阿不都瓦依提,蔺红.基于聚类SABO-VMD和组合神经网络的短期光伏发电功率预测[J].太阳能学报,2025(02).
温廷新,郭晓赛.基于特征组合的ECA-TCN光伏发电功率预测模型[J].太阳能学报,2024(12).
秦宇,许野,王鑫鹏,王涛,李薇.基于改进FCM-LSTM的光伏出力短期预测研究[J].太阳能学报,2024(08).
龙小慧,秦际赟,张青雷,段建国.基于相似日聚类及模态分解的短期光伏发电功率组合预测研究[J].电网技术,2024(07).
王小宇,刘波,孙凯,赵健,陈雷.光伏阵列故障诊断技术综述[J].电工技术学报,2024(20).
李宏扬,高丙朋.基于改进VMD和SNS-Attention-GRU的短期光伏发电功率预测[J].太阳能学报,2023(08).
徐恒山,莫汝乔,薛飞,秦子健,潘鹏程.基于时间戳特征提取和CatBoost-LSTM模型的光伏短期发电功率预测[J].太阳能学报,2024(05).
文爽,马逸骋,孙志强.基于GWO-EEMD-BP神经网络的光伏发电功率短期预测[J].中南大学学报(自然科学版),2022(12).
毕贵红,赵鑫,陈臣鹏,陈仕龙,李璐,谢旭,骆钊.基于多通道输入和PCNN-BiLSTM的光伏发电功率超短期预测[J].电网技术,2022(09).
商立群,李洪波,侯亚东,黄辰浩,张建涛,杨雷.基于VMD-ISSA-KELM的短期光伏发电功率预测[J].电力系统保护与控制,2022(21).
王献志,曾四鸣,周雪青,陈天英,郭少飞,张卫明.基于XGBoost联合模型的光伏发电功率预测[J].太阳能学报,2022(04).
杨帆,申亚,李东东,李杰,王哲超,林顺富.基于GA-GNNM的极地光伏发电功率预测方法[J].太阳能学报,2022(04).
卢俊杰,蔡涛,郎建勋,彭小圣,程凯.基于集群划分的光伏电站集群发电功率短期预测方法[J].高电压技术,2022(05).
史凯钰,张东霞,韩肖清,解治军.基于LSTM与迁移学习的光伏发电功率预测数字孪生模型[J].电网技术,2022(04).
姚宏民,杜欣慧,秦文萍.基于密度峰值聚类及GRNN神经网络的光伏发电功率预测方法[J].太阳能学报,2020(09).
朱晓荣,刘亚维.基于元件-系统分级优化的光伏电站维护策略[J].电力系统自动化,2020(08).
0
浏览量
367
下载量
CSCD
关联资源
相关文章
相关作者
相关机构