基于MSTL-TFT的日前光伏功率预测
机器学习
2023-02-01 v2 系统与控制
系统与控制
摘要
近年来，可再生能源在电力能源中的占比日益增加。其中，光伏（PV）发电因其经济效益与环境效益而受到广泛关注。准确的光伏发电预测可减少电网电力调度，从而提高供应商在日前电力市场中的利润。光伏站点的电力系统受太阳辐射、光伏电站特性和气象因素影响，导致其功率输出具有不确定性。本研究使用基于LOESS的多重季节-趋势分解（MSTL）和时序融合Transformer（TFT）对沙漠知识澳大利亚太阳能中心（DKASC）数据集进行日前光伏预测。我们比较了目前光伏预测中常用的分解算法（VMD、EEMD和VMD-EEMD）与预测模型（BP、LSTM和XGBoost等）。结果表明，MSTL-TFT方法比上述方法更为准确，相较于沙漠知识澳大利亚太阳能中心（DKASC）上其他近期的日前光伏预测有显著改善。
引用
@article{arxiv.2301.05911,
title = {Day-Ahead PV Power Forecasting Based on MSTL-TFT},
author = {Xuetao Jiang and Meiyu Jiang and Qingguo Zhou},
journal= {arXiv preprint arXiv:2301.05911},
year = {2023}
}