基于EMD-LSTM的光伏发电预测模型

• 作者: 孟璐 朱玥 顾洁
• 来源期刊: 电力工程技术
• 学科: 工学
• 关键词: 光伏发电 出力预测 经验模态分解 长短期记忆神经网络 气象因素
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 专论与综述
• 页码范围: 51-58
• 页数: 8页
• 分类号: TM744
• 字数: 6406字
• 语种: 中文
• DOI: 10.12158/j.2096-3203.2020.02.008

摘要

随着能源消费结构的改变,可再生能源发电的消纳比例逐渐上升.文中以光伏发电功率为研究对象,分析了不同天气状态下的发电功率曲线特性及不同气象因素与光伏发电出力的相关性,进而提出了一种经验模态分解-长短期记忆神经网络(EMD-LSTM)方法融合的光伏发电功率预测模型.首先对预处理后的光伏发电功率历史序列进行重构,并对重构后的出力序列进行EMD分解,针对分解得到的各子序列分别建立长短期记忆神经网络模型,最后将各子序列预测模型得到的结果叠加得到光伏发电功率预测值.采用国内某地区光伏发电的实际出力数据对模型进行了检验,与滑动平均自回归模型(ARIMA)、支持向量机模型(SVM)、LSTM等预测模型相比,文中所提出的模型预测误差小,能有效提高光伏发电功率的预测精度.