标题：基于TCN-BiLSTM-Attention模型的超短期光伏发电量预测方法
作者：刘凯伦 孙广玲 陆小锋
作者单位：上海大学通信与信息工程学院，上海 200444
关键字：TCN；BiLSTM；Attention；发电量超短期预测
摘要：随着光伏发电在全球能源体系中占比不断提升，超短期光伏发电量预测对电力系统调度与安全运行至关重要。然而，光伏发电量受多因素影响，具有显著随机性与波动性。为此，提出了一种基于TCN-BiLSTM-Attention模型的超短期光伏发电量预测方法。首先通过皮尔逊相关分析筛选关键特征，并利用孤立森林算法检测异常值，结合线性插值法和标准化完成数据预处理。随后，通过时间卷积网络（Temporal Convolutional Network，TCN）提取时序特征，再利用双向长短期记忆网络（Bidirectional Long Short-Term Memory，BiLSTM）网络捕获前后向时间依赖关系，并在输出端引入注意力机制聚焦关键时间步特征。最后，在Desert Knowledge Australia Solar Centre(DKASC)数据集上的对比实验表明，与传统LSTM、BiLSTM模型相比，提出的TCN-BiLSTM-Attention模型在预测精度、稳定性等方面均表现出一定优势。