气象数据是光伏出力预测的重要依据,气象数据的质量对预测的准确性至关重要。但某些分布式光伏系统缺乏数值天气预报,难以得到准确的气象信息预测。针对这一问题,提出一种基于多元时间序列图神经网络(multivariate time series graph ne...气象数据是光伏出力预测的重要依据,气象数据的质量对预测的准确性至关重要。但某些分布式光伏系统缺乏数值天气预报,难以得到准确的气象信息预测。针对这一问题,提出一种基于多元时间序列图神经网络(multivariate time series graph neural networks,MTGNN)的多元气象信息多步长预测方法,将多个种类的气象信息当作多元时间序列处理,每一类气象信息视作图的一个节点,利用图卷积模块负责将节点的信息与其邻居的信息融合,以处理空间依赖关系;利用时域卷积模块负责提取时间特征,最终实现多步长预测。最后利用某地气象装置采集的数据进行仿真验证,结果表明MTGNN的预测精度和稳定性相比于传统LSTM模型均有显著提高。展开更多
文摘气象数据是光伏出力预测的重要依据,气象数据的质量对预测的准确性至关重要。但某些分布式光伏系统缺乏数值天气预报,难以得到准确的气象信息预测。针对这一问题,提出一种基于多元时间序列图神经网络(multivariate time series graph neural networks,MTGNN)的多元气象信息多步长预测方法,将多个种类的气象信息当作多元时间序列处理,每一类气象信息视作图的一个节点,利用图卷积模块负责将节点的信息与其邻居的信息融合,以处理空间依赖关系;利用时域卷积模块负责提取时间特征,最终实现多步长预测。最后利用某地气象装置采集的数据进行仿真验证,结果表明MTGNN的预测精度和稳定性相比于传统LSTM模型均有显著提高。