光伏電源在電網(wǎng)中的滲透率正在不斷提高,準(zhǔn)確的短期光伏發(fā)電預(yù)測有利于保障高比率光伏電源接入的電網(wǎng)安全穩(wěn)定運(yùn)行。為解決傳統(tǒng)預(yù)測算法在學(xué)習(xí)周期波動(dòng)規(guī)律上的不足,提出了基于長短期記憶神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電預(yù)測模型。首先對(duì)長短期記憶神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和特征進(jìn)行了介紹和總結(jié)。其次,利用相關(guān)性分析從天氣狀態(tài)數(shù)據(jù)中篩選出光伏發(fā)電量的影響因素,由此作為模型的輸入。接著,以小批梯度下降算法優(yōu)化長短期記憶神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程。最后采用光伏電站的典型日發(fā)電預(yù)測實(shí)驗(yàn)來驗(yàn)證提出的模型。實(shí)驗(yàn)結(jié)果表明所提出的算法能夠較好的預(yù)測光伏電站不同季節(jié)的日前光伏發(fā)電量。 

【文章來源】：華北電力大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020,47(04)北大核心

【文章頁數(shù)】：7 頁

【文章目錄】：
0 引言
1 光伏發(fā)電預(yù)測的長短記憶神經(jīng)網(wǎng)絡(luò)模型
2 光伏發(fā)電預(yù)測的長短記憶神經(jīng)網(wǎng)絡(luò)模型特征選擇
3 光伏發(fā)電預(yù)測的長短記憶神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練算法優(yōu)化
4 算例分析
5 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]光伏發(fā)電出力預(yù)測技術(shù)研究綜述[J]. 賴昌偉,黎靜華,陳博,黃玉金,韋善陽.  電工技術(shù)學(xué)報(bào). 2019(06)
[2]基于改進(jìn)深度受限玻爾茲曼機(jī)算法的光伏發(fā)電短期功率概率預(yù)測[J]. 王繼東,冉冉,宋智林.  電力自動(dòng)化設(shè)備. 2018(05)
[3]基于PNN/PCA/SS-SVR的光伏發(fā)電功率短期預(yù)測方法[J]. 王昕,黃柯,鄭益慧,李立學(xué),郎永波,吳昊.  電力系統(tǒng)自動(dòng)化. 2016(17)
[4]光伏功率預(yù)測技術(shù)[J]. 龔鶯飛,魯宗相,喬穎,王強(qiáng).  電力系統(tǒng)自動(dòng)化. 2016(04)
[5]基于機(jī)器學(xué)習(xí)的自適應(yīng)光伏超短期出力預(yù)測模型[J]. 高陽,張碧玲,毛京麗,劉勇.  電網(wǎng)技術(shù). 2015(02)
[6]地基云圖結(jié)合徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)的光伏功率超短期預(yù)測模型[J]. 陳志寶,丁杰,周海,程序,朱想.  中國電機(jī)工程學(xué)報(bào). 2015(03)
[7]基于多維時(shí)間序列局部支持向量回歸的微網(wǎng)光伏發(fā)電預(yù)測[J]. 黃磊,舒杰,姜桂秀,張繼元.  電力系統(tǒng)自動(dòng)化. 2014(05)
[8]基于動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的光伏發(fā)電短期概率預(yù)測[J]. 董雷,周文萍,張沛,劉廣一,李偉迪.  中國電機(jī)工程學(xué)報(bào). 2013(S1)
[9]計(jì)及天氣類型指數(shù)的光伏發(fā)電短期出力預(yù)測[J]. 袁曉玲,施俊華,徐杰彥.  中國電機(jī)工程學(xué)報(bào). 2013(34)
[10]基于灰色神經(jīng)網(wǎng)絡(luò)組合模型的光伏短期出力預(yù)測[J]. 王守相,張娜.  電力系統(tǒng)自動(dòng)化. 2012(19)



本文編號(hào)：3045325