APP下载

基于时空长短时记忆神经网络的地基云图预测算法

2024-03-21吴现吐松江卡日王海龙马小晶李振恩邵罗

计算机工程 2024年3期
关键词:记忆特征模型

吴现,吐松江·卡日*,王海龙,马小晶,李振恩,邵罗

(1.新疆大学电气工程学院,新疆 乌鲁木齐 830049;2.北京智盟信通科技有限公司,北京 100053)

0 引言

随着人们对能源需求的不断增长,传统化石能源弊端日益显现,世界各国愈发重视能源清洁性问题。太阳能作为目前最有发展潜力的可再生能源之一,装机占比正在逐年提高,展现出了其广阔的应用前景。然而,光伏电站的发电功率因受诸多气象因子与环境因素的影响而表现出强波动性与随机性[1],在这种情况下大规模光伏电站接入电网会对电网稳定性带来冲击,危害电网安全甚至造成严重经济损失[2]。因此,实现准确的光伏功率预测不仅可以提高电网调度效率,而且对保证电网的安全稳定运行具有重要意义。

太阳辐照度是引起光伏电站发电功率变化的最主要因素,运动型不规则云团对太阳遮挡产生的“分钟级”波动使光伏电站输出功率也随之无规律地快速剧烈波动,然而这种“分钟级”波动难以在生产生活中被忽视。针对这一问题,国内外学者采用多种模型算法开展了太阳总水平辐射(GHI)的预测研究。传统的太阳辐照度预测通常使用数值天气预报(NWP)模型进行天气状况模拟,并以此来推断部分区域的云量变化[3],该模型目前能够实现对部分区域未来48 h 的太阳辐射预测,但是因其不易发掘太阳辐照度与气象信息之间的联系,并对短期GHI 变化不敏感,使得该模型较为适合中长期预测而非短期预测。……

登录APP查看全文

猜你喜欢

记忆特征模型
一半模型
重尾非线性自回归模型自加权M-估计的渐近分布
如何表达“特征”
不忠诚的四个特征
记忆中的他们
3D打印中的模型分割与打包
儿时的记忆(四)
儿时的记忆(四)
记忆翻新
线性代数的应用特征