文档名：基于权参数优化的并行深度学习光伏功率预测
摘要：针对不同应用场景下光伏数据波动模式差异较大时,现有的光伏发电功率预测模型存在精度及适应性不足的问题,提出了一种具有权参数自适应性的并行深度学习光伏发电功率预测框架.该框架包含2种可以并行预测的深度学习算法单元(Attention-Seq2Seq单元、Transformer单元)以及一个权参数自适应优化单元.基于所提出的并行深度学习框架,对光伏发电功率进行预测,并分别与Attention-Seq2Seq、Transformer模型的预测结果进行了对比验证.结果表明:基于权参数优化的并行深度学习光伏功率预测框架弥补了不同数据波动模式下单一算法预测精度和适应性不足的问题,也可以有效解决时间序列预测中的长距离依赖问题,较单一算法预测精度更高,其平均绝对误差和均方根误差在夏季典型日最大降幅分别是41.18％和45.59％,在冬季典型日最大降幅分别是81.13％和82.86％.
Abstract：Aparalleldeeplearningframeworkwithadaptiveoptimizationofweightparameterswaspro-posedtoaddresstheaccuracyandadaptabilityshortcomingsofexistingphotovoltaic(PV)powerpredic-tionmodelswhenthedatafluctuationpatternsvariedgreatlyindifferentapplicationscenarios.Theframe-workcontainedtwoparalleldeeplearningalgorithmunitssuchasAttention-Seq2SequnitandTransformerunitandaweightparameteradaptiveoptimizationunit.Basedontheproposedparalleldeeplearningframework,thepredictionofPVpowergenerationwascarriedoutandcomparedwiththepredictionre-sultsbyAttention-Seq2SeqandTransformermodels.Resultsshowthattheproposedframeworknotonlycanoffsetthelackofpredictionaccuracyandadaptabilityofsinglealgorithmunderdifferentdatafluctua-tionpatterns,butalsocaneffectivelysolvethelong-distancedependenceproblemintimeseriesprediction,whichresultsinhigherforecastingaccuracy.Themaximumreductionofaverageabsoluteerror(EMAE)androotmeansquareerror(ERMSE)is41.18％and45.59％inatypicaldayofsummer,respectively,whilethemaximumreductionofEMAEandERMSEarrivesat81.13％and82.86％,respectivelyinatypicaldayofwin-ter.
作者：董坤 冉鹏 刘旭 樊钦洋 李政 曾庆华 李伟起[5]Author：DONGKun RANPeng LIUXu FANQinyang LIZheng ZENGQinghua LIWeiqi[5]
作者单位：华北电力大学能源动力与机械工程学院,河北保定071003华北电力大学能源动力与机械工程学院,河北保定071003;华北电力大学河北省低碳高效发电技术重点实验室,河北保定071003清华大学能源与动力工程系,北京100084国网湖南省电力有限公司电力科学研究院,长沙410007清华大学能源与动力工程系,北京100084;天府永兴实验室,成都610213
刊名：动力工程学报
Journal：JournalOfChineseSocietyOfPowerEngineering
年，卷(期)：2024, 44(1)
分类号：TQ015.9
关键词：光伏发电功率预测 权参数优化 并行深度学习框架 量子粒子群
Keywords：photovoltaicpowerprediction weightparameteroptimization paralleldeeplearningframe-work quantumparticleswarm
机标分类号：TP391TM615TP183
在线出版日期：2024年1月30日
基金项目：国家自然科学基金，四川省科技计划重点研发资助项目，云南省院士自由探索项目基于权参数优化的并行深度学习光伏功率预测[
期刊论文] 动力工程学报--2024, 44(1)董坤 冉鹏 刘旭 樊钦洋 李政 曾庆华 李伟起针对不同应用场景下光伏数据波动模式差异较大时,现有的光伏发电功率预测模型存在精度及适应性不足的问题,提出了一种具有权参数自适应性的并行深度学习光伏发电功率预测框架.该框架包含2种可以并行预测的深度学习算法单...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于权参数优化的并行深度学习光伏功率预测 Photovoltaic Power Prediction by Weight Parameter Optimization-based Parallel Deep Learning
基于权参数优化的并行深度学习光伏功率预测.pdf
- 文件大小:
- 3.55 MB
- 下载次数:
- 60
-
高速下载
|
|
