并行多通道光伏预测模型

R² 98.43% 精准预测

该模型通过并行CNN-MHA与LSTM-MHA架构，结合改进的LSDBO优化算法，在各种天气条件下均表现出最高的预测精度。

Hu, Keyong · Chunyuan, Lang · Zheyi, Fu · 王李冬 · Feng, Yang · 王本

Heliyon 2024

参数信息

R²

98.43 %

MSE

2.69 %

MAE

7.8 %

RMSE

15.09 %

技术优势

预测更准

模型在16项指标上取得最佳结果，平均R²达98.43%。

误差更小

平均MSE为2.69%，MAE为7.8%，RMSE为15.09%，均低于其他模型。

全面领先

与对比模型相比，各项指标平均提升2.41%至11.21%。

应用场景

• 光伏功率预测：提供高精度光伏出力预测，支撑电站运维与并网友好性。
• 智能电网调度：为调度中心提供可靠功率预测，优化日前与日内调度。
• 新能源功率预测：提升新能源功率预测精度，降低备用容量需求。
• 深度学习时间序列预测：结合并行CNN-MHA和LSTM-MHA架构，有效捕捉时序特征。