基于LSTM的风光配备微电网净负荷预测
系统与控制
2024-08-02 v1 系统与控制
摘要
可变可再生能源（RES）如太阳能和风能的日益集成，给电网运行和能源管理带来了相当大的不确定性。有效的预测模型对于电网运营商预测净负荷——即用户电力需求与可再生能源发电之间的差值——至关重要。本文提出了一种基于长短期记忆（LSTM）网络的深度学习（DL）模型，用于可再生能源微电网中的净负荷预测，同时考虑太阳能和风能。详细阐述了该模型的架构，并使用基于典型气象年（TMY）数据集的住宅微电网测试案例对其性能进行了评估。结果表明，所提出的基于LSTM的深度学习模型在预测净负荷方面的有效性，展示了其在增强可再生能源微电网能源管理方面的潜力。
引用
@article{arxiv.2408.00136,
title = {LSTM-Based Net Load Forecasting for Wind and Solar Power-Equipped Microgrids},
author = {Jesus Silva-Rodriguez and Elias Raffoul and Xingpeng Li},
journal= {arXiv preprint arXiv:2408.00136},
year = {2024}
}
备注
Submitted to 2024 IEEE North American Power Symposium