基于特征组合的ECA-TCN光伏发电功率预测模型

作     者：温廷新 郭晓赛 Wen Tingxin;Guo Xiaosai

作者机构：辽宁工程技术大学工商管理学院葫芦岛125105 

出 版 物：《太阳能学报》 (Acta Energiae Solaris Sinica)

年 卷 期：2024年第45卷第12期

页      面：94-100页

核心收录：

学科分类：08[工学] 0807[工学-动力工程及工程热物理] 

基　　金：国家自然科学基金(71371091) 辽宁省社会科学规划基金(L14BTJ004) 

主　　题：光伏发电 预测 时间卷积网络 最大互信息系数 高效通道注意力 

摘      要：为有效挖掘光伏发电功率数据中的有效时序信息,进一步提升光伏发电功率预测效果,提出一种基于多因素融合的高效通道注意力机制(ECA)-时间卷积网络(TCN)预测模型。首先,采用最大互信息系数(MIC)提取光伏发电功率相关特征;其次,使用多项式特征衍生方法融合各相关因素特征,衍生高维特征,进行特征组合;然后,将自适应选择一维卷积核大小的ECA模块与可有效捕捉光伏发电功率数据时序性信息的TCN相结合,搭建ECA-TCN预测模型;最后,采用多个模型进行对比实验。实验结果表明:该文提出的特征组合方法可高效的选择光伏发电功率数据特征,提升特征的表现能力。特征组合后的ECA-TCN预测模型的均方根误差(RMSE)为0.0828 kW,相较于LSTM、LSTM-TCN、ECA-LSTM,ECA-TCN的RMSE分别降低了0.29、0.23和0.13个百分点,并具有最优的拟合度(R2)90.74%。该模型可在保持高拟合度的同时有效提高光伏发电功率预测精度。