基于双重注意力变换模型的分布式屋顶光伏变电站级日前功率预测

Abstract

分布式屋顶光伏地理位置分散，受地理环境遮挡和多种气象因素影响，导致光伏出力特性存在差异，给变电站级分布式屋顶光伏日前功率预测造成挑战。针对上述问题，提出了一种基于双重注意力变换模型的分布式屋顶光伏变电站级日前功率预测方法。首先，基于动态时间规整算法计算分布式光伏用户出力特性间的相似度，并基于凝聚层次聚类法将其划分成若干类；然后，利用自主注意力网络学习各时间步间的时序关联特性，通道卷积注意力机制学习多特征变量间的相关性，构建日前功率预测模型；最后，将每一类日前预测结果相加，实现变电站级日前功率预测。算例结果表明所提方法在多种天气状况下，较Transformer、长短期记忆神经网络和时序卷积网络，预测精度显著提升。

Keywords

• 日前功率预测
• 动态时间规整
• 凝聚层次聚类
• 双重注意力变换模型