基于长短时记忆网络的光伏发电功率预测

• 作者: 尹瑞 时珉 王一峰 王珏 王铁强 许可 迟学斌 黄滇玲
• 来源期刊: 科研信息化技术与应用
• 关键词: LSTM 光伏发电功率 预测模型 相关性系数
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 应用
• 页码范围: 31-41
• 页数: 11页
• 字数: 4121字
• 语种: 中文
• DOI: 10.11871/j.issn.1674-9480.2019.02.004

摘要

光伏发电系统的输出功率具有波动性和间歇性,其特性影响了电力系统安全、稳定与经济地运行,因此准确预测光伏发电系统的输出功率具有十分重要的意义.目前,光伏出力预测一般使用比较简单的网络,如BP神经网络和SVM等,并且大多数预测的时间级为小时级,而对于分钟级的预测具有一定的难度.光伏出力预测是一个回归问题,而长短时记忆(LSTM)在时间序列上具有良好的处理效果.本文研究影响光伏发电的因素,并从中选取主要因素作为特征,通过构建基于LSTM的深度学习模型来预测光伏发电功率.在不同天气情况下,光伏发电功率的波形具有不同的特征,因此对不同天气类型构建不同的LSTM预测模型.实测数据表明,不同天气类型的LSTM模型具有更忧的性能.