基于XGBoost和LSTM的光伏发电预测模型

• 作者: 方正
• 来源期刊: 数字化用户
• 关键词: 光伏发电预测 极限梯度提升机 长短周期记忆 短期预测
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 设计与研究
• 页码范围: 64-66
• 页数: 3页
• 语种: 中文

摘要

随着“碳中和、碳达峰”政策的提出，对清洁能源并网容量提出了更高的要求。光伏发电作为新能源电力的主要清洁能源，其发电量受到气象等多种因素的影响具有波动性和间歇性的特点，提高光伏发电的并网容量关键在于准确的发电功率预测。本文采用历史的发电功率数据和天气数据作为数据基础，搭建极限梯度提升机（XGBoost）和长短周期记忆（LSTM）的组合算法模型，对某地区光伏发电总量进行短期预测。结果表明组合算法相较于单一算法在精度上有一定的提升。