亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Short-term photovoltaic power forecasting using parameter-optimized variational mode decomposition and attention-based neural network

期限(时间) 人工神经网络 光伏系统 分解 功率(物理) 模式(计算机接口) 计算机科学 控制理论(社会学) 人工智能 工程类 物理 电气工程 化学 热力学 控制(管理) 有机化学 量子力学 操作系统
作者
Kejie Tao,Jinghao Zhao,Nana Wang,Ye Tao,Yajun Tian
出处
期刊:Energy Sources, Part A: Recovery, Utilization, And Environmental Effects [Informa]
卷期号:46 (1): 3807-3824 被引量:2
标识
DOI:10.1080/15567036.2024.2323158
摘要

Photovoltaic power generation is impacted by various meteorological factors leading to significant intermittent and volatile, so dispatch of photovoltaic power plants and safe operation of power systems hinge on accurate prediction of PV power output. Researchers have proposed a variety of ways to improve the performance of predictions, and a hybrid model often performs better than a single model. Considering that the sequence decomposition method can alleviate the volatile nature of the original sequence, we propose a new hybrid model VMD-GA-Conv-A-LSTM, design a method to determine the optimal parameters of the VMD and utilize the parameter-optimized VMD for sequence decomposition, combining with a novel deep learning model for more accurate prediction. The model first calculates the optimal parameters for the variational mode decomposition (VMD) using a search algorithm over a specified parameter range, and uses these parameters to decompose the photovoltaic power sequence into several sub-sequences. Then, the sub-sequences and preprocessed historical meteorological data are input into several long short-term memory (LSTM) integrated with 1D convolution and attention mechanism (Conv-A-LSTM) separately. The predictions corresponding to each sub-sequence are accumulated to get the predictions of the hybrid model. The hybrid model was validated on the dataset generated from the 5.20 kW Photovoltaic site in Alice Springs, Australia, and ERA5 data, respectively. Compared with baseline models, the proposed hybrid model achieves the best prediction accuracy. The RMSE, MAE, and R2 of the 2-hour prediction performed on the Australia dataset are 0.1884 kW, 0.0758 kW and 0.9876, respectively. Therefore, the hybrid model proposed in this study is able to provide statistical data support for photovoltaic plant operation and scheduling.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
19秒前
44秒前
执着夏山发布了新的文献求助10
1分钟前
1分钟前
uikymh完成签到 ,获得积分0
1分钟前
1分钟前
李伟发布了新的文献求助10
2分钟前
2分钟前
皎皎完成签到,获得积分10
2分钟前
乐乐应助科研通管家采纳,获得10
2分钟前
cjx完成签到,获得积分10
2分钟前
2分钟前
3分钟前
henrychyeung发布了新的文献求助10
3分钟前
皎皎发布了新的文献求助10
3分钟前
3分钟前
3分钟前
包佳梁完成签到,获得积分10
3分钟前
henrychyeung完成签到,获得积分10
4分钟前
4分钟前
4分钟前
筱灬发布了新的文献求助10
4分钟前
5分钟前
狂野乌冬面完成签到 ,获得积分10
5分钟前
桐桐应助jjjjjj采纳,获得10
5分钟前
6分钟前
太叔夜南发布了新的文献求助10
6分钟前
太叔夜南完成签到,获得积分10
6分钟前
6分钟前
7分钟前
李剑鸿发布了新的文献求助200
7分钟前
炫哥IRIS完成签到,获得积分10
7分钟前
斯文败类应助执着夏山采纳,获得10
7分钟前
爆米花应助炫哥IRIS采纳,获得10
7分钟前
Hello应助执着夏山采纳,获得10
7分钟前
充电宝应助科研通管家采纳,获得10
8分钟前
8分钟前
执着夏山发布了新的文献求助10
8分钟前
8分钟前
jjjjjj发布了新的文献求助10
8分钟前
高分求助中
Evolution 10000
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
叶剑英与华南分局档案史料 500
Foreign Policy of the French Second Empire: A Bibliography 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3146739
求助须知:如何正确求助?哪些是违规求助? 2798045
关于积分的说明 7826588
捐赠科研通 2454566
什么是DOI,文献DOI怎么找? 1306391
科研通“疑难数据库(出版商)”最低求助积分说明 627708
版权声明 601527