基于云模型-LSTM的光伏功率中期预测

• 作者: 张晋华 黄远为 冯源
• 来源期刊: 湖北电力
• 关键词: 光伏 中期预测 云模型 深度学习 LSTM
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 电力系统及自动化|Power System and Automation
• 页码范围: 49-55
• 页数: 7页
• 分类号: TM615
• 语种: 中文
• DOI: 10.19308/j.hep.2021.02.007

摘要

准确的光伏功率预测不仅是光伏电站并网安全运行的重要保证,还能有效减少弃光现象的发生,提高光伏能源利用效率.针对当前我国新能源功率预测3天的时间尺度与火电5-7天启停周期不匹配的情况,从提高光伏消纳的角度出发提出了一种基于云模型-LSTM的光伏功率中期预测方法.首先建立辐照度云模型,通过云模型相似度计算挖掘相似日;将相似日数据代入长短期记忆(Long-short Term Memory,LSTM)神经网模型进行训练;最后进行光伏功率预测.考虑季节差异,分别在四个季节随机选取一周进行光伏功率预测,结果表明云模型-LSTM的预测准确性较传统LSTM、SVM以及GM模型均有一定提升.