典型文献
基于深度学习的光伏并网系统谐波预测研究
文献摘要：
"双碳"目标下,针对温度及光照的变化对光伏系统并网引起的谐波影响问题,提出一种基于ip-iq谐波提取法与改进双向长短期记忆网络(Bi-LSTM)相结合的谐波预测方法,旨在为谐波抑制提供新的解决方案.首先使用MATLAB/SIMULINK工具建立光伏并网系统,利用基于瞬时无功理论的ip-iq谐波提取法得到实际谐波变化数据,并采用微分插值将数据进行化简;然后,利用网格搜索优化的Bi-LSTM神经网络算法进行谐波数据的预测,并与BP、LSTM、GRU、Bi-LSTM多种时间序列型深度学习方法进行比较,得出MSE、MAE、MAPE损失函数与预测结果图;最后,以陇东地区实际算例进行光伏并网仿真,结果表明,该方法可实现谐波的准确预测.
文献关键词：
光伏并网;电能质量;谐波预测;双向长短期记忆网络(Bi-LSTM)
中图分类号：
作者姓名：
杨鹏兴;王秀丽;赵兴勇;胡莹洁
作者机构：
山西大学电力与建筑学院,山西太原 030013;中国矿业大学信息与控制工程学院,江苏徐州 221116
文献出处：
引用格式：
[1]杨鹏兴;王秀丽;赵兴勇;胡莹洁-.基于深度学习的光伏并网系统谐波预测研究)[J].电网与清洁能源,2022(07):71-80
A类：
谐波预测
B类：
光伏并网系统,预测研究,光伏系统,谐波影响,ip,iq,谐波提取,提取法,双向长短期记忆网络,Bi,谐波抑制,SIMULINK,无功,分插,化简,网格搜索,搜索优化,神经网络算法,谐波数据,GRU,深度学习方法,MSE,MAE,MAPE,损失函数,陇东地区,准确预测,电能质量
AB值：
0.30204
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。
