-
题名基于改进ModernTCN的光伏发电中短期预测
- 1
-
-
作者
张悦超
安国成
孙琛恺
-
机构
龙源(北京)新能源工程技术有限公司
上海华讯网络系统有限公司服务运作部
-
出处
《计算机科学》
北大核心
2025年第S2期988-994,共7页
-
基金
十四五国家重点研发计划资助项目(2023YFC3006700)。
-
文摘
光伏发电功率的中短期预测,不仅可以实时监测功率变化情况,还可以降低功率波动对光伏系统的冲击,然而极端天气变化和设备故障老化会导致光伏发电数据存在缺失的情况。因此,提出了一种改进ModernTCN的时间序列预测模型。该模型首先通过BiTGraph的多尺度实例模块和偏置模块,对原始数据中的缺失数据进行处理,增强输入数据的时空感受域。再通过ModernTCN的膨胀卷积,提升有效感受野(Effective Receptive Field,ERF),使得模型更好地捕获时间序列的中短期依赖性和多变量时间序列的跨变量依赖性。改进后的模型有助于在光伏发电数据少量缺失的情况下完成中短期时间序列预测,并且在3个电力相关数据集上进行了模型验证。实验结果表明,相对于BiTGraph模型和ModernTCN模型,BG-ModernTCN的均方误差指标平均降低11.9%,平均绝对误差指标降低平均降低12.8%。
-
关键词
光伏功率预测
中短期预测
缺失数据处理
深度学习模型
现代时序卷积网络
-
Keywords
Photovoltaic power forecasting
Short-and medium-term prediction
Missing data handling
Deep learning model
Modern temporal convolutional network
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
