基于GCN-LSTM的分布式光伏超短期出力預(yù)測(cè)方法研究

摘要： 氣象數(shù)據(jù)是光伏出力預(yù)測(cè)的重要依據(jù)，氣象數(shù)據(jù)的質(zhì)量對(duì)預(yù)測(cè)的準(zhǔn)確性至關(guān)重要。但對(duì)于分布式光伏系統(tǒng)，往往缺乏氣象監(jiān)測(cè)裝置，難以對(duì)每個(gè)站點(diǎn)分別提供準(zhǔn)確的氣象數(shù)據(jù)。針對(duì)這一問題，提出一種分布式光伏超短期出力組合預(yù)測(cè)方法，將圖卷積神經(jīng)網(wǎng)絡(luò)（Graph Convolutional Network,GCN）與長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)（Long Short-Term Memory,LSTM）耦合構(gòu)建預(yù)... （共7頁）