文献类型：期刊文章

作　　者：张雲钦[1] 程起泽[1] 蒋文杰[2] 刘晓峰[1] 沈亮[2] 陈泽华[1]

Zhang Yunqin;Chen Qize;Jiang Wenjie;Liu Xiaofeng;Shen Liang;Chen Zehua(College of Data Science,Taiyuan University of Technology,Taiyuan 030024,China;Jinneng Clean Energy Co.,Ltd.,Taiyuan 030024,China)

机构地区：[1]太原理工大学大数据学院,太原030024 [2]晋能清洁能源有限公司,太原030024

出　　处：《太阳能学报》

基　　金：国家重点研发计划(2018YFB1404500)。

年　　份：2021

卷　　号：42

期　　号：9

起止页码：62-69

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD_E2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：提高光伏发电功率预测精度,对于保证电力系统的安全调度和稳定运行具有重要意义。本文提出一种经验模态分解(EMD)、主成分分析(PCA)和长短期记忆神经网络(LSTM)相结合的光伏功率预测模型。充分考虑制约光伏输出功率的5种环境因素,首先利用EMD将环境因素序列进行分解,得到数据信号在不同时间尺度上的变化情况,降低环境因素序列的非平稳性;其次利用PCA提取特征序列的关键影响因子,消除原始序列的相关性和冗余性,降低模型输入的维度;最终利用LSTM网络对多变量特征序列进行动态时间建模,实现对光伏发电功率的预测。采用山西省某电站的8个月实测数据进行验证,实验结果表明,该预测模型较传统光伏功率预测方法有更高的精确度。

关 键 词：光伏发电 主成分分析 长短期记忆神经网络  经验模态分解 光伏功率预测  

分 类 号：TM615]