基于LSTM光伏发电功率超短期预测模型研究

作     者：周浩杰 杨建卫 王尊 胡磊 曹晟磊 ZHOU Haojie;YANG Jianwei;WANG Zun;HU Lei;CAO Shenglei

作者机构：上海电力大学数理学院上海201306 中电华创(苏州)电力技术研究有限公司江苏苏州215123 中电华创电力技术研究有限公司上海200080 

出 版 物：《电源技术》 (Chinese Journal of Power Sources)

年 卷 期：2023年第47卷第6期

页      面：785-789页

学科分类：08[工学] 0807[工学-动力工程及工程热物理] 

基　　金：国家自然科学基金(11504227) 中电华创电力技术研究有限公司项目(ZGDL-KJ-2022-012-Y)。 

主　　题：功率预测 降维 LSTM神经网络 

摘      要：精准地预测光伏发电功率有利于保证电网的稳定运行。采集了江苏常熟某75 MW光伏电站和山西大同某100 MW电站数据,利用相关系数法对影响光伏电站输出功率的因素进行分析。搭建了长短期记忆神经网络(LSTM)功率预测模型,对两个电站的输出功率进行预测。为验证LSTM模型和同一算法下不同电站的功率预测精度,使用循环神经网络(RNN)算法和前馈神经网络(BP)算法搭建预测模型,并与LSTM算法进行对比分析,通过模型评价指标平均绝对误差(MAE)、均方根误差(RMSE)及决定系数R2,对三种模型之间的误差值进行比较,结果表明采用LSTM算法预测模型精度更高,且不同电站采用同一网络模型时,电站输出功率和气象数据的相关系数值越大,模型的功率预测值更加贴近实际值。