基于長短時記憶網絡的光伏發電功率預測
黃滇玲; 遲學斌; 許可; 王鐵強; 時珉; 尹瑞; 王一峰; 王玨 中國科學院計算機網絡信息中心; 北京100190; 中國科學院大學; 北京100049; 國網河北省電力有限公司; 河北石家莊050021
關鍵詞：lstm 光伏發電功率 預測模型 相關性系數
摘要：光伏發電系統的輸出功率具有波動性和間歇性,其特性影響了電力系統安全、穩定與經濟地運行,因此準確預測光伏發電系統的輸出功率具有十分重要的意義。目前,光伏出力預測一般使用比較簡單的網絡,如BP神經網絡和SVM等,并且大多數預測的時間級為小時級,而對于分鐘級的預測具有一定的難度。光伏出力預測是一個回歸問題,而長短時記憶(LSTM)在時間序列上具有良好的處理效果。本文研究影響光伏發電的因素,并從中選取主要因素作為特征,通過構建基于LSTM的深度學習模型來預測光伏發電功率。在不同天氣情況下,光伏發電功率的波形具有不同的特征,因此對不同天氣類型構建不同的LSTM預測模型。實測數據表明,不同天氣類型的LSTM模型具有更憂的性能。
科研信息化技術與應用雜志要求:
{1}計量單位、數字、符號文稿必須使用法定的計量單位符號
{2}投稿3個月后未收到刊用通知，作者可自行處理。
{3}中文摘要一般限在200字以內，應包括研究背景、方法、結果、結論或討論四部分內容；關鍵詞一般3-5個。英文摘要及關鍵詞則與中文的相對應。
{4}作者不屬同一單位時，應在作者姓名右上角加注不同的阿拉伯數字。
{5}論文應有中英作者署名、工作單位、所在省、市名稱和郵編。如有多位作者，其間以逗號分開，其工作單位不同，應按阿拉伯數字順序標注在右上角，單位與單位之間用分號。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
相關期刊
