基于机器学习的光伏发电功率预测 ——以金华市为例

• 作者: 张波 王晓晨 周旺 陈志华 王剑强
• 来源期刊: 技术与市场
• 关键词: 光伏发电预测 机器学习 深度学习 天气信息
• 年，卷（期）: 2022,（3）
• 所属期刊栏目: 创新与实践
• 页码范围: 17-22
• 页数: 6页
• 语种: 中文
• DOI: 10.3969/j.issn.1006-8554.2022.03.004

摘要

不可再生能源的大量消耗,对新能源发电提出更高的要求.国家倡导大力发展新能源发电,且光伏发电在新能源中占有非常重要的位置,然而光伏发电功率不稳定,因此实时准确预测光伏发电功率对新能源消纳和存储具有非常重要的意义.当前存在很多光伏发电功率预测算法,大量研究揭示深度学习方法能更准确地预测光伏发电功率.收集了金华市3个光伏发电站每5分钟时间窗口的发电功率,并通过网络爬虫得到相应的天气数据,再采用机器学习算法对各类天气的光伏发电功率进行预测.研究结果揭示深度学习算法(如双向长短期循环神经网络Bi-LSTM)比传统机器学习算法更好,也更稳定,且晴天和多云天气比阴雨天预测得更准确.