基于CNN-GRU-BiLSTM-AM的超短期光伏功率预测

摘要

为提升超短期光伏功率预测精度，提出了一种基于卷积神经网络-门控循环单元-双向长短期记忆神经网络-注意力机制(CNN-GRU-BiLSTM-AM)的组合预测模型。首先，为提升数据质量，对数据的异常值进行处理，采用Spearman相关系数、灰色关联分析提取影响光伏功率的关键特征；其次，为获取光伏功率数据的时空特征，分别利用CNN和GRU提取空间和时间维度上的局部特征，利用BiLSTM捕捉时间序列中的长期依赖关系；再次，为获取关键历史时间点的重要信息，引入AM,构建了CNN-GRU-BiLSTM-AM预测模型。最后，结合公开的光伏功率数据集进行对比实验。结果显示，构建的预测模型决定系数为99.1%,均方根误差为0.032 5,平均绝对误差为0.026 6,表明该方法有效提高了光伏功率的预测精度。

关键词

超短期光伏功率预测 / 卷积神经网络 / 门控循环网络 / 双向长短期记忆网络 / 注意力机制