基于循环神经网络与物理协变量的一组光伏系统日内功率输出预测
机器学习
2024-08-29 v3
摘要
光伏(PV)系统功率输出的准确日内预测对于改善配电网运行至关重要。我们描述了一种旨在进行此类日内预测的神经自回归模型。我们建立在一个物理的、确定性的PV性能模型之上,该模型的输出在神经模型的上下文中被用作协变量。此外,我们的应用数据涉及一组地理上分布的光伏系统。我们使用单一的神经模型处理所有PV站点,该模型将有关PV站点的信息嵌入到特定的协变量中。我们采用一种依赖于季节性效应显式建模的无尺度方法。我们的方案重新利用了最初用于零售行业的模型,并提出了一种新颖的截断高斯输出分布。消融研究以及与文献中替代架构的比较表明,性能最佳的所提模型变体中的各组件协同工作,相对于用作基线的物理模型达到了15.72%的技巧评分。
引用
@article{arxiv.2303.08459,
title = {Forecasting Intraday Power Output by a Set of PV Systems using Recurrent Neural Networks and Physical Covariates},
author = {Pierrick Bruneau and David Fiorelli and Christian Braun and Daniel Koster},
journal= {arXiv preprint arXiv:2303.08459},
year = {2024}
}
备注
25 pages, 7 figures, Accepted for publication in Neural Computing and Applications on 12/07/2024