Indexed by：
Abstract：
针对新建光伏发电站在光伏功率预测过程中因缺少训练数据导致预测精度较低和光伏发电功率的不稳定等问题,提出一种结合改进的深度卷积生成对抗网络(DCGAN)、注意力机制(Attention)和LSTM网络组合的光伏功率预测方法.首先,将DCGAN中生成器的特征提取网络由二维卷积改为一维卷积,对光伏数据进行扩充.其次,将Attention模块加入LSTM模块中,生成新的输入特征.最后,对新生成的LSTM模型进行功率预测,并采用澳大利亚沙漠知识太阳能中心(DKASC)Alice Springs电站的数据进行验证.实验结果表明,结合深层卷积生成的对抗网络与Attention-LSTM混合预测方法能有效提升预测精度.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
福州大学学报（自然科学版）
ISSN： 1000-2243
CN： 35-1337/N
Year： 2023
Issue： 4
Volume： 51
Page： 498-504
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 3
Affiliated Colleges：
