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

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

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

专题:人工智能技术在电力领域中的应用 | 更新时间：2025-11-18

- 基于xLSTM-BNN的分布式光伏出力概率预测
- 基于xLSTM-BNN的分布式光伏出力概率预测
- 河北电力技术 2025年44卷第5期页码：1-8
- 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：
  
  国网河北省电力有限公司科技项目(kj2024-058)
- DOI：10.26945/j.cnki.1001-9898.2025.05.002
  中图分类号： TP18;TM615
- 纸质出版：2025
- 稿件说明：
移动端阅览
魏颖莉, 栾士岩, 贾亚飞, 等. 基于xLSTM-BNN的分布式光伏出力概率预测[J]. 河北电力技术, 2025,44(5):1-8.

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

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).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

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