基于深度学习的短期光伏发电功率预测.pdfVIP

摘要

摘要

随着社会科技和生产力发展，化石能源消耗速度逐步增大。然而，化石能源是不可

再生能源，并且其燃烧产物中具有危害环境以及人类的物质。因此，逐步减少化石能源

的消耗，同时增加可再生能源的利用成为全球共同追求的目标。光伏发电在近年来发

展迅速，在工业领域和生活领域受到重视。然而，电网需要根据居民需求来按需发电，

但在需求无法预知的情况下，光伏发电电站需要根据以往的历史数据对当前条件下的

功率进行短期预测，从而为发电调整策略提供数据基础，判断是否调整发电来源占比。

因此，短期发电功率预测对于维持电网稳定运行至关重要。针对以上问题，本文提出了

基于深度学习的短期光伏发电功率预测。具体研究内容如下所示：

1.基于KNN-LM-IBSD-SCC的光伏数据预处理方法。该部分主要分为数据缺失值

和异常值处理、基于改进二分查找的模态分解数量确定方法（ImprovedBinarySearchof

Decomposition，IBSD）、相关性分析和初始数据矩阵变换。对于异常值，本文采用K近

邻（KNearestNeighbors，KNN）检测异常值。数据缺失值主要分为单