文献类型：期刊文章

作　　者：王涛[1] 王旭[1] 许野[1] 李薇[1]

Wang Tao;Wang Xu;Xu Ye;Li Wei(School of Nuclear Science and Engineering,North China Electric Power University,Beijing 102206,China)

机构地区：[1]华北电力大学核科学与工程学院,北京102206

出　　处：《太阳能学报》

基　　金：国家重点研发计划(2018YFE0208400)。

年　　份：2023

卷　　号：44

期　　号：8

起止页码：316-323

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD_E2023_2024、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为了提高光伏电站输出功率的预测精度,该文构建基于灰色关联度分析法(GRA)和长短期记忆神经网络(LSTM)的光伏发电组合预测模型。在运用GRA方法确定影响光伏出力的主要气象因素和选定待预测日的相似日的基础上,利用相似日的气象参数和实际发电量分别训练BP神经网络和LSTM神经网络,构建基于GRA的光伏出力智能预测模型,并在云南某光伏电站得到很好的应用。对比传统的单一预测模型和BP神经网络与GRA的组合模型,考虑相似日的LSTM预测模型的精度明显提升,可很好地满足相关要求,具有广阔的应用前景。

关 键 词：光伏发电 预测模型  长短期记忆神经网络  相似日 灰色关联度分析法

分 类 号：TM615]