基于LSTM网络的光伏发电功率短期预测方法的研究.pdf

万方数据
基于网络的光伏发电功率短期预测方法的研究可再生能源缡且恢志哂惺毙蚣且涔δ艿牡莨樯窬度和适应堋４嬖际菰ご砉探恚疚囊网调度人员合理调整发电计划、维护电力系统的值或气象云图等信息预测发电功率，所用的模型有天气数值模型⒌鼗仆寄Ｐ腿σ约疤炱与云量图像相结合的预测模型吲等。直接预测方法需要准确的天气预报信息、电站地理信息和大量的天空图像信息，且对采集设备和采集方式有较高的要求，导致该预测方法的鲁棒性较差。同时，直接预测方法所用模型具有无法获取时间相关性信息、缺少对历史数据的记忆能力等缺点。间接预测方法包括时间序列法川、回归分析法㈣等统计方法和人工神经网络】、支持向量机㈣等人工智能方光伏发电功率预测领域成为当前的研究热点。文献首次将网络应用到光伏发电功率预测中，够有效提高预测精度。但南于此类研究尚处于起步阶段，相关的研究较少，因此，基于网络进行季节标识：接着，为了降低输入数据序列维度行处理、分析，并筛选⋯累计贡献率排名前坏宋绍剑，李博涵南于光伏发电功率具有随机性和波动性等特性，因此，大规模光伏发电并网会造成电网功率剧烈波动．严重影响了电网系统的安全稳定运行以及调度规划⋯。精准预测光伏发电功率有利于电稳定运行。目前，光伏发电功率预测方法有两种，分别为基于物理模型的直接预测方法和基于历史数据的问接预测方法圈一。直接预测方法主要依托天气数法。间接预测方法能够克服直接预测方法对物理机理掌握不足等困难，适用于光伏短期、超短期功率预测。长短期记忆络，，将其应用到分析结果表明，加入具有记忆能力的神经网络能的预测方法仍然须要进一步优化研究。本文建立了一种基于网络的光伏发电功率短期预测模型韵录虺莆狶缭げ模型肔绲睦芳且淠芰腿斯ぶ能算法的自学能力，进一步提高该模型的预测精据日照晴朗指数将天气类型量化为，磕诘氖值：然后，依据光伏电站当地气候特点将样本数据和模型复杂度，本文采用主成分分析法，对多元影响因素数据进主成分作为本文模型的输入，并结合历史发电数据对网络预测模型进行训练和测试：最后，将本文模型的预测结果与基于误差反向传播珺的短期预测模型韵录阄鞔笱У缙鳷程学院，广西南宁摘要：提高光伏发电功率预测结果的精度对电网规划和调度具有重要意义。基于前向神经网络或回归分析法的传统预测模型冈缺乏历史记忆能力而导致自身鲁棒性较差、适廊能力较弱。为了解决上述问题，文章提出了一种基于网络的光伏发电功率短期预测方法。在预处理过程中，文章先将天气类型依据日照晴朗指数量化为具体数值；然后，利主成分分析法将与光伏发电功率相关性较高的多元数据序列进行降维，得到主成分数据序列：最后，建立基于网络的光伏发电功率短期预测模型，：将该模型的预测结果与网络预测模型和缭げ饽Ｐ偷脑げ饨峁卸员取ＤＤ饨峁砻鳎绲墓夥⒌绻β识唐谠げ模型能较好地反映时序数据的动态特性，预测精度较高，预测结果能够为电力调度部门提供可靠的数据支持。关键词：光伏发电功率预测；主成分分析法；长短期记忆：神经网络中图分类号：文献标志码：文章编号：一——作者简介：宋绍剑，男，教授，研究方向为复杂系统建模与优化、智能优化控制、主动配电网。，猰簊籱第卷第年猼收稿日期：——。，基金项目：国家自然科学基金；广西自然科学基金＃·．，
万方数据
＼／。；㈧。弧祝∑辍！Ｒ换ァ辍＃欢∑确，为电力调度部门调整发电计划提供更有力的参数设置、内部损耗和安装角度