来源：期刊VIP网 时间：
作者：周伊;肖先勇;赵清华;张姝;郑子萱;张文海;
单位：四川大学电气工程学院;
摘要：光伏发电的波动性、间歇性和随机性给电力系统带来巨大挑战，准确预测光伏发电功率是系统安全稳定运行的重大需求，但是目前面临历史数据清洗和预测特征提取两大难题。利用大数据和人工智能技术，提出历史数据组合清洗和改进注意力机制预测方法。首先，研究对预测准确性影响最大的离散型、堆积型异常数据特征，提出一种孤立森林和密度聚类结合的数据分类清洗方法；其次，研究不同类型天气关键数据特征，在现有人工智能算法基础上，建立改进CNN-LSTM-attention光伏发电功率预测模型，提升对不同类型天气的适应能力；最后，针对某实际光伏电站开展实证研究，结果表明，所提出的样本数据组合清洗技术有效提升了异常数据清洗能力，提出的改进注意力机制预测方法预测准确性高，对不同类型天气适应能力强，具有明显的理论价值和工程意义。
关键词：光伏功率预测;;数据清洗;;孤立森林;;密度聚类;;改进注意力机制;;天气分类
基金资助：国家自然科学基金项目（U2166209）~~
