摘要:光伏功率随时间的波动具有不确定性和随机性,准确可靠的光伏功率预测对电网的实时调度和频率调节具有重要意义。为了提高光伏功率预测的准确性,提出一种结合时空局部注意力网络(spatio-temporal local attention network,STLAN)和长短时记忆网络(long short term memory,LSTM)的日前光伏发电功率预测模型(STLAN-LSTM)。所提STLAN-LSTM由双自注意力机制组成,通过时序自注意力机制(temporal selfattention,TSA)动态定位相似的历史光伏功率序列,同时采用空间自注意力机制(spatial self-attention,SSA)自动捕获相邻站点匹配的光伏功率序列。然后,通过改进的相似序列分数估计策略统计两个注意力通道的输出,使得模型侧重于日常特征中相似局部序列。最后,使用极限学习机(extreme learning machine,ELM)将注意力通道的输出转换为非线性空间,并输入至LSTM网络实现功率预测。在光伏电站测量数据上的实验结果表明,STLAN-LSTM的预测指标MAE、RMSE、MAPE值分别为1.26%、1.61%、23.21%,具有较高的预测准确性,为日前光伏发电功率预测提供有效的技术支持。