文献类型：期刊文章

作　　者：周浩杰[1,2] 杨建卫[3] 王尊[2] 胡磊[3] 曹晟磊[2]

ZHOU Haojie;YANG Jianwei;WANG Zun;HU Lei;CAO Shenglei(School of Mathematics and Physics,Shanghai Electric Power University,Shanghai 201306,China;CLP Huachuang(Suzhou)Power Technology Research Co.,Ltd.,Suzhou Jiangsu 215123,China;CLP Huachuang Power Technology Research Co.,Ltd.,Shanghai 200080,China)

机构地区：[1]上海电力大学数理学院,上海201306 [2]中电华创(苏州)电力技术研究有限公司,江苏苏州215123 [3]中电华创电力技术研究有限公司,上海200080

出　　处：《电源技术》

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)。

年　　份：2023

卷　　号：47

期　　号：6

起止页码：785-789

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

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。

关 键 词：功率预测 降维 LSTM神经网络  

分 类 号：TM615]