基于深度学习的光伏出力多输出分位数预测
机器学习
2021-09-01 v2 系统与控制
系统与控制
机器学习
摘要
本文利用深度学习的最新突破开发了概率性光伏预测器。所定制的名为编码器-解码器的预测工具被用于计算日内多输出光伏分位数预测，以有效捕捉时间相关性。模型使用分位数回归进行训练，这是一种假设概率预测分布无先验知识的非参数方法。案例研究由比利时列日大学（ULiège）现场监测的光伏发电组成。气候学实验室提供的区域气候模式天气预测被用作深度学习模型的输入。预测质量通过连续分级概率分数和区间分数进行定量评估。结果表明该架构改善了预测质量，并且计算高效，可被纳入用于鲁棒优化的日内决策工具中。
引用
@article{arxiv.2106.01271,
title = {Deep learning-based multi-output quantile forecasting of PV generation},
author = {Jonathan Dumas and Colin Cointe and Xavier Fettweis and Bertrand Cornélusse},
journal= {arXiv preprint arXiv:2106.01271},
year = {2021}
}