改進型LSTM網絡光伏發電功率預測研究

摘要：針對現有光伏發電功率預測技術存在的未能充分考慮氣象因素、提取特征不充分等導致預測精度較低的問題,基于深度學習理論,提出一種基于改進型LSTM網絡的光伏發電功率預測方法。根據長短期記憶神經網絡的特點,從循環神經網絡(RNN)推導出其一般計算過程,闡述該預測方法的優越性和可行性。提出基于改進型長短期記憶(LSTM)網絡的光伏發電率預測模型,該模型充分考慮并優化神經網絡帶來的過擬合問題,且引入RMSProp算法獲取模型最佳的損失函數值,確保得到最佳的預測結果。綜合考慮對光伏發電功率產生影響的多種氣象因素,并將氣象因素做標準化處理后作為模型的初始輸入量,在Spyder軟件上對預測模型進行仿真驗證。最后將上述模型與單一輸入因素進行比較,結果顯示充分考慮氣象因素的預測結果明顯優于單一因素,仿真結果證明該模型具有較好的預測精度。