Short-term Power Forecasting of Distributed Photovoltaic Station Clusters Based on Affinity Propagation Clustering and Long Short-term Time-series Network

WANG Xiaoxia; YU Min; HUO Zejian; YANG Di

doi:10.7500/AEPS20220324006

您当前的位置：

首页 >

文章列表页 >

Short-term Power Forecasting of Distributed Photovoltaic Station Clusters Based on Affinity Propagation Clustering and Long Short-term Time-series Network

Basic Research | 更新时间：2025-06-16

- Short-term Power Forecasting of Distributed Photovoltaic Station Clusters Based on Affinity Propagation Clustering and Long Short-term Time-series Network
- Automation of Electric Power Systems Vol. 47, Issue 6, Pages: 133-141(2023)
- 作者机构：
  
  1.华北电力大学控制与计算机系工程学院,河北省保定市 071003
  2.国网河北省电力有限公司营销服务中心,河北省石家庄市 050000
- 作者简介：
- 基金信息：
- DOI：10.7500/AEPS20220324006
  CLC：
- Received：24 March 2022，
  
  Revised：2022-08-28，
  
  Published Online：05 January 2023，
  
  Published：25 March 2023
- 稿件说明：
移动端阅览
王晓霞,俞敏,霍泽健等.基于近邻传播聚类与LSTNet的分布式光伏电站群短期功率预测[J].电力系统自动化,2023,47(6):133-141.

WANG Xiaoxia,YU Min,HUO Zejian,et al.Short-term Power Forecasting of Distributed Photovoltaic Station Clusters Based on Affinity Propagation Clustering and Long Short-term Time-series Network[J].Automation of Electric Power Systems,2023,47(6):133-141.
王晓霞,俞敏,霍泽健等.基于近邻传播聚类与LSTNet的分布式光伏电站群短期功率预测[J].电力系统自动化,2023,47(6):133-141. DOI： 10.7500/AEPS20220324006.

WANG Xiaoxia,YU Min,HUO Zejian,et al.Short-term Power Forecasting of Distributed Photovoltaic Station Clusters Based on Affinity Propagation Clustering and Long Short-term Time-series Network[J].Automation of Electric Power Systems,2023,47(6):133-141. DOI： 10.7500/AEPS20220324006.

摘要

为了应对分布式光伏渗透率不断提高带给电网运行的挑战，提出了一种基于近邻传播聚类与长短期时间序列网络(LSTNet)的区域分布式光伏电站群短期功率预测模型。首先，利用近邻传播算法划分区域内不同季节的分布式光伏电站群，并通过皮尔逊相关系数确定光伏出力的强相关气象因子，结合双线性插值法加密对应光伏电站群的气象数据。然后，通过LSTNet挖掘光伏功率和气象因子序列的长期和短期时空依赖，并叠加自回归的线性分量，实现了群内多个光伏电站的同时预测。最后，利用美国国家能源部可再生能源实验室的实测数据集验证了所提方法的有效性。实验比较表明，所提预测模型具有较高的预测精度和鲁棒性。

Abstract

To cope with the challenges brought by the increasing penetration rate of distributed photovoltaic to power grid operation

a short-term power forecasting model of regional distributed photovoltaic station clusters based on affinity propagation clustering and long short-term time-series network (LSTNet) is proposed. First

the affinity propagation algorithm is employed to divide the regional distributed photovoltaic station clusters into different seasons. Pearson correlation coefficient is used to determine the strong correlation between meteorological factors of photovoltaic output

and the bilinear interpolation method is utilized to encrypt the meteorological data of the corresponding photovoltaic station cluster. Furthermore

LSTNet is used to mine the long-term and short-term temporal and spatial dependence of photovoltaic power and meteorological factor series

and linear components of autoregression are superimposed to realize the simultaneous forecasting of multiple photovoltaic stations in the group. Finally

the effectiveness of the proposed method is verified on the measured data set from the National Renewable Energy Laboratory (NREL) of USA. The experimental comparison shows that the forecasting model obtains high forecasting accuracy and robustness.

关键词

Keywords

references

ARGUELLO A ， LARA J D ， ROJAS J D ， et al . Impact of rooftop PV integration in distribution systems considering socioeconomic factors ［J］. IEEE Systems Journal ， 2018 ， 12 （ 4 ）： 3531 - 3542 .

武天雨，王宁 . 基于多变量灰色模型的光伏短期预测［J］. 电气应用， 2021 ， 40 （ 6 ）： 17 - 23 .

WU Tianyu ， WANG Ning . Short term photovoltaic prediction based on multivariable grey model ［J］. Electrotechnical Application ， 2021 ， 40 （ 6 ）： 17 - 23 .

MORA-LOPEZ L ， MARTINEZ-MARCHENA I ， PPILIOUGINE M ， et al . Machine learning approach for next day energy production forecasting in grid connected photovoltaic plants ［C］// World Renewable Energy Congress ， May 8-13 ， 2011 ， Linköping， Sweden .

丁明，鲍玉莹，毕锐 . 应用改进马尔科夫链的光伏出力时间序列模拟［J］. 电网技术， 2016 ， 40 （ 2 ）： 459 - 464 .

DING Ming ， BAO Yuying ， BI Rui . Simulation of PV output time series used improved Markov chain ［J］. Power System Technology ， 2016 ， 40 （ 2 ）： 459 - 464 .

于秋玲，许长清，李珊，等 . 基于模糊聚类和支持向量机的短期光伏功率预测［J］. 电力系统及其自动化学报， 2016 ， 28 （ 12 ）： 115 - 118 .

YU Qiuling ， XU Changqing ， LI Shan ， et al . Application of fuzzy clustering algorithm and support vector machine to short-term forecasting of PV power ［J］. Proceedings of the CSU-EPSA ， 2016 ， 28 （ 12 ）： 115 - 118 .

WANG G ， YANG M ， YU Y . A short-term forecasting method for photovoltaic power based on ensemble adaptive boosting random forests ［C］// 2020 IEEE/IAS 56th Industrial and Commercial Power Systems Technical Conference （I&CPS）， June 29-July 28 ， 2020 ， Las Vegas， USA .

赖昌伟，黎静华，陈博，等 . 光伏发电出力预测技术研究综述［J］. 电工技术学报， 2019 ， 34 （ 6 ）： 1201 - 1217 .

LAI Changwei ， LI Jinghua ， CHEN Bo ， et al . Review of photovoltaic power output prediction technology ［J］. Transactions of China Electrotechnical Society ， 2019 ， 34 （ 6 ）： 1201 - 1217 .

NIE Y ， SUN Y ， CHEN Y ， et al . PV power output prediction from sky images using convolutional neural network： the comparison of sky-condition-specific sub-models and an end-to-end model ［J］. Journal of Renewable and Sustainable Energy ， 2020 ， 12 （ 4 ）： 1 - 19 .

杨晶显，张帅，刘继春，等 . 基于VMD和双重注意力机制LSTM的短期光伏功率预测［J］. 电力系统自动化， 2021 ， 45 （ 3 ）： 174 - 182 .

YANG Jingxian ， ZHANG Shuai ， LIU Jichun ， et al . Short-term photovoltaic power prediction based on variational mode decomposition and long short-term memory with dual-stage attention mechanism ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 3 ）： 174 - 182 .

张雲钦，程起泽，蒋文杰，等 . 基于EMD-PCA-LSTM的光伏功率预测模型［J］. 太阳能学报， 2021 ， 42 （ 9 ）： 62 - 69 .

ZHANG Yunqin ， CHENG Qize ， JIANG Wenjie ， et al . Photovoltaic power prediction model based on EMD-PCA-LSTM ［J］. Acta Energiae Solaris Sinica ， 2021 ， 42 （ 9 ）： 62 - 69 .

WANG K ， QI X ， LIU H . A comparison of day-ahead photovoltaic power forecasting models based on deep learning neural network ［J］. Applied Energy ， 2019 ， 251 ： 113315 .

WANG K ， QI X ， LIU H . Photovoltaic power forecasting based LSTM-convolutional network ［J］. Energy ， 2019 ， 189 ： 116225 ．

WANG F ， XUAN Z ， ZHEN Z ， et al ． A day-ahead PV power forecasting method based on LSTM-RNN model and time correlation modification under partial daily pattern prediction framework ［J］. Energy Conversion and Management ， 2020 ， 212 ： 112766 ．

余光正，陆柳，汤波，等 . 基于云图特征提取的改进混合神经网络超短期光伏功率预测方法［J］. 中国电机工程学报， 2021 ， 41 （ 20 ）： 6989 - 7003 .

YU Guangzheng ， LU Liu ， TANG Bo ， et al . An improved hybrid neural network ultra-short-term photovoltaic power forecasting method based on cloud image feature extraction ［J］. Proceedings of the CSEE ， 2021 ， 41 （ 20 ）： 6989 - 7003 .

ZHOU H ， ZHANG Y ， YANG L ， et al . Short-term photovoltaic power forecasting based on long short term memory neural network and attention mechanism ［J］. IEEE Access ， 2019 ， 99 ： 78063 - 78074 .

许建峰，曹庆仁 . 中国分布式光伏并网发电现状及应用研究［J］. 能源与节能， 2020 ， 177 （ 6 ）： 51 - 54 .

XU Jianfeng ， CAO Qingren . Status and application of distributed photovoltaic grid connected power generation in China ［J］. Energy and Energy Conservation ， 2020 ， 177 （ 6 ）： 51 - 54 .

XWEGNON G ， GIRARD R ， KARINIOTSKIS G . Short-term spatial temporal forecasting of photovoltaic production ［J］. IEEE Transactions on Sustainable Energy ， 2018 ， 9 （ 2 ）： 538 - 546 .

刘博，科德平，李鹏，等 . 低压配电台区分布式光伏发电功率辨识方法［J］. 电力系统自动化， 2019 ， 43 （ 19 ）： 111 - 117 .

LIU Bo ， KE Deping ， LI Peng ， et al . Identification method of distributed photovoltaic power in low-voltage distribution networks ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 19 ）： 111 - 117 .

申振 . 基于轨迹特征的分布式光伏发电功率预测技术研究［D］. 南京：东南大学， 2017 .

SHEN Zhen . Research on power forecasting of distributed photovoltaic power based on trajectory characteristics ［D］ Nanjing ： Southeast University ， 2017 .

焦田利，章坚民，李雄，等 . 基于空间相关性的大规模分布式用户光伏空间分群方法［J］. 电力系统自动化， 2019 ， 43 （ 21 ）： 97 - 102 .

JIAO Tianli ， ZHANG Jianmin ， LI Xiong ， et al . Spatial clustering method for large-scale distribution user photovoltaic based on spatial correlation ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 21 ）： 97 - 102 .

乔颖，孙荣富，丁然，等 . 基于数据增强的分布式光伏电站群短期功率预测（一）：方法框架与数据增强［J］. 电网技术， 2021 ， 45 （ 5 ）： 1799 - 1808 .

QIAO Ying ， SUN Rongfu ， DING Ran ， et al . Distributed photovoltaic station cluster gridding short-term power forecasting： Part 1 methodology and data augmentation ［J］. Power System Technology ， 2021 ， 45 （ 5 ）： 1799 - 1808 .

冷亚军，吴宗育，赵文会，等 . 基于近邻传播聚类权重的黑启动方案评估方法［J］. 电力系统自动化， 2020 ， 44 （ 13 ）： 73 - 80 .

LENG Yajun ， WU Zongyu ， ZHAO Wenhui ， et al . Assessment method of black-start scheme based on affinity propagation clustering weight ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 13 ）： 73 - 80 .

SUN L ， GUO C ， LIU C ， et al . Fast affinity propagation clustering based on incomplete similarity matrix ［J］. Knowledge and Information Systems ， 2017 ， 51 （ 3 ）： 941 - 963 .

朱连江，马炳先，赵学泉 . 基于轮廓系数的聚类有效性分析［J］. 计算机应用， 2010 ， 30 （增刊2 ）： 139 - 141 .

ZHU Lianjiang ， MA Bingxian ， ZHAO Xuequan . Clustering validity analysis based on silhouette coefficient ［J］. Journal of Computer Applications ， 2010 ， 30 （ Supplement 2 ）： 139 - 141 .

LAI G ， CHANG W ， YANG Y ， et al . Modeling long- and short-term temporal patterns with deep neural networks ［C］// International ACM SIGIR Conference on Research and Development in Information Retrieval ， July 8-12 ， 2018 ， Michigan， America .

KINGMA D ， BA J . Adam： a method for stochastic optimization ［EB/OL］. ［ 2022-05-02 ］. https：//arxiv.org/pdf/1412.6980.pdf https://arxiv.org/pdf/1412.6980.pdf .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Optimal Scheduling Strategy of Farm Distribution Network for Power Supply Support for Production of Large-scale Crop Base

Hybrid Mechanism-Data-Driven Short-term Power Forecasting of Distributed Photovoltaic Considering Information Time Shift

Detection Method of Electricity Theft Behavior Based on Retrieval of Similarity of Typical Users with Electricity Theft

Status and Error Analysis of Short-term Forecasting Technology of Wind Power in China

Related Author

HUO Zejian

YU Min

WANG Xiaoxia

LI Zhenwei

WANG Yiming

LIU Yanlong

TU Zhenghong

XU Ying

Related Institution

Department of Computer Science, North China Electric Power University

School of Electrical Engineering and Automation, Harbin Institute of Technology

State Key Laboratory of Smart Farm Technologies and Systems

Electric Power Research Institute of State Grid Heilongjiang Electric Power Co., Ltd.

School of Electrical Engineering, Southeast University

⁰