关键词：图机器学习 光伏预测 图卷积 lstm dnn 

摘要：文章基于图机器学习提出了一种面向分布式光伏电站的深度时空特征提取预测模型。首先,针对临近区域的光伏电站进行图建模,使用长短期记忆(long short-term memory,LSTM)模型进行时间特征抓取,使用图卷积原理对电站空间特征进行提取。根据提取的时空特征信息以及历史数据和临近其他区域内光伏电站历史发电数据,训练光伏发电预测模型。以国内某地266个光伏电站为实验对象,实验结果表明基于图机器学习的预测模型进行日前预测,预测误差率仅为5.66%,低于其他机器学习模型预测结果。该模型针对光伏电站15min前发电预测可以捕获当天瞬间出力变化曲线。

供用电杂志要求:

{1}所有作者的简介，格式为：姓名（出生年份-），性别，籍贯，职称职务，从事的工作或研究。

{2}本刊恪守学术公正之准则，取稿标准在于文章本身的学术水平，对选题新颖、论证充分、引证得当、逻辑合理、语言精准的论文优先采用。

{3}编辑部收到来稿后进行登记编号，并送专家评审和主编审定，并在3个月内答复作者是否录用。如在3个月后未得到编辑部消息，可查询，如作者未取得录用通知可改投它刊或自行处理。

{4}引用原文文字过长（一般为三行以上）时，须将整个引文单独成段，并左缩进两个字符。段落字体为5号楷体，不加引号。

{5}题名应简明、具体，能概括文章的要旨，一般不超过20个汉字。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社