基于TL-LSTM的新能源功率短期预测

新能源功率预测是实现主动配电网运行态势精确感知的关键。针对新能源功率的不确定性和波动性,提出了一种融合迁移学习(TL)和长短期记忆神经网络(LSTM)的新能源功率组合预测方法。引入k-shape聚类算法对不同区域新能源提供的时序数据进行聚类,同时利用各个聚类生成若干预训练模型;结合形态距离指标,选择与目标序列最接近的聚类作为辅助数据簇以准备迁移学习;借助辅助数据簇所对应的预训练模型来完成TL-LSTM模型的训练,且在所有模型的训练过程中利用差值化处理方法避免预测结果出现“滞后”现象。以我国某实际风电场和光伏电站为典型算例,验证所提预测方法的有效性。结果表明,该方法提升了新能源功率短期预测的精度,并能够在小样本环境下进行新能源功率的预测,有较高地泛用性。