基于长短记忆神经网络的短期光伏发电预测技术研究

发布时间：2021-02-22 02:47

　　光伏电源在电网中的渗透率正在不断提高,准确的短期光伏发电预测有利于保障高比率光伏电源接入的电网安全稳定运行。为解决传统预测算法在学习周期波动规律上的不足,提出了基于长短期记忆神经网络的光伏发电预测模型。首先对长短期记忆神经网络的结构和特征进行了介绍和总结。其次,利用相关性分析从天气状态数据中筛选出光伏发电量的影响因素,由此作为模型的输入。接着,以小批梯度下降算法优化长短期记忆神经网络的训练过程。最后采用光伏电站的典型日发电预测实验来验证提出的模型。实验结果表明所提出的算法能够较好的预测光伏电站不同季节的日前光伏发电量。 

【文章来源】：华北电力大学学报(自然科学版). 2020,47(04)北大核心

【文章页数】：7 页

【文章目录】：
0 引言
1 光伏发电预测的长短记忆神经网络模型
2 光伏发电预测的长短记忆神经网络模型特征选择
3 光伏发电预测的长短记忆神经网络模型训练算法优化
4 算例分析
5 结论


【参考文献】：
期刊论文
[1]光伏发电出力预测技术研究综述[J]. 赖昌伟,黎静华,陈博,黄玉金,韦善阳.  电工技术学报. 2019(06)
[2]基于改进深度受限玻尔兹曼机算法的光伏发电短期功率概率预测[J]. 王继东,冉冉,宋智林.  电力自动化设备. 2018(05)
[3]基于PNN/PCA/SS-SVR的光伏发电功率短期预测方法[J]. 王昕,黄柯,郑益慧,李立学,郎永波,吴昊.  电力系统自动化. 2016(17)
[4]光伏功率预测技术[J]. 龚莺飞,鲁宗相,乔颖,王强.  电力系统自动化. 2016(04)
[5]基于机器学习的自适应光伏超短期出力预测模型[J]. 高阳,张碧玲,毛京丽,刘勇.  电网技术. 2015(02)
[6]地基云图结合径向基函数人工神经网络的光伏功率超短期预测模型[J]. 陈志宝,丁杰,周海,程序,朱想.  中国电机工程学报. 2015(03)
[7]基于多维时间序列局部支持向量回归的微网光伏发电预测[J]. 黄磊,舒杰,姜桂秀,张继元.  电力系统自动化. 2014(05)
[8]基于动态贝叶斯网络的光伏发电短期概率预测[J]. 董雷,周文萍,张沛,刘广一,李伟迪.  中国电机工程学报. 2013(S1)
[9]计及天气类型指数的光伏发电短期出力预测[J]. 袁晓玲,施俊华,徐杰彦.  中国电机工程学报. 2013(34)
[10]基于灰色神经网络组合模型的光伏短期出力预测[J]. 王守相,张娜.  电力系统自动化. 2012(19)



本文编号：3045325