基于LSTM神经网络的中长期光伏电站发电量预测方法研究

作者：方鹏; 高亚栋; 潘国兵^*; 马登昌; 孙鸿飞

来源：可再生能源, 2022, 40(01): 48-54.

DOI：10.13941/j.cnki.21-1469/tk.2022.01.019

• FCM-RF
• 中长期辐照度预测模型
• LSTM
• 中长期发电量预测模型
• MAPE

准确估算光伏电站的中长期发电量对电网规划改进、调度优化、管理发展具有重要意义。然而,由于中长期发电量预测与短期出力预测存在显著差异,短期出力预测技术无法直接应用于中长期电量预测。文章提出一种基于模糊C均值聚类-随机森林算法FCM-RF和LSTM神经网络的中长期辐照度预测模型,进而提出间接预测分布式光伏电站发电量的方法。针对传统随机森林在数据差异性处理能力不足的问题,引入模糊C均值聚类算法对传统随机森林算法模型进行了改进。设计了LSTM神经网络,解决了"长时间周期依赖"问题。最后经实验验证,该分布式光伏电站中长期发电量预测模型每月预测平均误差百分数MAPE在3.5%上下波动,各电站年预测值在1.1%上下波动,预测效果较好。

• 单位
  浙江华云电力工程设计咨询有限公司; 浙江工业大学