典型文献
基于集群划分的光伏电站集群发电功率短期预测方法
文献摘要：
光伏发电集群的功率预测对区域光伏发电的优化调度意义重大.为提升光伏电站集群功率预测精度,提出了基于K均值聚类划分的光伏集群短期功率预测方法,以场站光伏发电特征为参照,进行集群聚类划分,并引入带补偿偏置的长短期记忆网络(bias compensation long short-term memory network,BC-LSTM)进行功率预测.算例结果表明,使用带补偿偏置的长短期记忆网络相较于长短期记忆网络网络(long short-term memory network,LSTM)能够提升约0.6％的预测精度,使用集群累加法相较于统计升尺度法和累加法也能够提升约0.5％的预测精度.
文献关键词：
光伏集群电站;功率预测;集群划分;K均值聚类;带补偿偏置的长短期记忆神经网络;集群累加法
中图分类号：
作者姓名：
卢俊杰;蔡涛;郎建勋;彭小圣;程凯
作者机构：
华中科技大学电气与电子工程学院强电磁工程与新技术国家重点实验室,武汉430074
文献出处：
引用格式：
[1]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):1943-1951
A类：
光伏电站集群,集群累加法,光伏集群电站,带补偿偏置的长短期记忆神经网络
B类：
集群划分,群发,发电功率,短期预测,光伏发电,区域光伏,优化调度,均值聚类,短期功率预测,场站,群聚,长短期记忆网络,bias,compensation,long,short,term,memory,network,BC,升尺度
AB值：
0.196162
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
