基于改进贝叶斯深度学习的光伏功率概率预测

摘要

光伏功率点预测方法无法对功率波动进行预测,当功率出现短时波动时预测结果将会产生较大偏差。本文基于贝叶斯深度学习网络,通过堆叠自动编码器对复杂气象因素进行特征提取和自动降维,利用一维卷积神经网络学习历史运行数据的趋势特征,以此对光伏功率两类输入特性参数进行预处理,改进贝叶斯深度网络结构。最终在某光伏电厂数据上,进行了不同置信度区间的概率预测,并与其他概率预测算法进行对比验证,从仿真结果可知本文所提方法可对功率波动做出较为准确的响应,预测效果更好。