电力科技与环保2023,39(3):201–206ElectricPowerTechnologyandEnvironmentalProtection201基于LSTM神经网络的光伏系统功率预测朱润泽，王德军(国家能源集团新能源技术研究院有限公司，北京102209)摘要：在光伏产业快速发展的背景下，为了确保电力系统的安全调度和稳定运行，提高光伏企业的经济运行水平和生产管理水平，本文提出了一种基于长短期记忆（longshort-termmemory，LSTM）神经网络的光伏系统功率预测方法。该方法分析SCADA系统记录的大量监测参数，根据光伏系统出力的工作原理，选择当前时刻辐照度、温度、风速和功率作为模型输入参数，选择下一时刻功率作为模型输出参数，通过局部异常因子算法（localOutlierFactor，LOF）、降采样、时间对齐和归一化方法对以上数据进行异常数据剔除和数据轴统一，进而建立基于长短期记忆神经网络的光伏系统模型，同时通过优模型权重和阈值提高模型预测精度。测试阶段，选取6399组数据集训练并测试该模型对新能源院光伏系统发电功率的预测性能。结果表明，LSTM网络下的预测模型与普通BP网络预测模型相比，前者的发电功率平均绝对误差和均方根误差分别为45.5kW和92.3kW，明显小于后者的52.3kW和95.6kW，LSTM网络下的预测模型能够更加准确的预测光伏系统功率。因此，所设计模型可有效预测光伏发电功率，可为实际应用提供指导。关键词：光伏系统；人工神经网络；功率预测；LSTM算法中图分类号:TM615文章编号:1674-8069(2023)03-201-06文献标识码:ADOI编号:10.19944/j.eptep.1674-8069.2023.03.003[引用本文格式]朱润泽,王德军.基于LSTM神经网络的光伏系统功率预测[J].电力科技与环保,2023,39(3):201-206.ZHURunze,WANGDejun.PowerpredictionofphotovoltaicsystembasedonLSTMneuralnetwork[J].ElectricPowerTechnologyandEnvironmentalProtection,2023,39(3):201-206.PowerpredictionofphotovoltaicsystembasedonLSTMneuralnetworkZHURunze，WANGDejun(ChinaEnergyNewEnergyTechnologyResearchInstituteCo.,Ltd,Beijing102209,China)Abstract：Inthecontextoftherapiddevelopmentofthephotovoltaicindustry,toensurethesafedispatchingandstableoperationofthepowersystemandimprovetheeconomicoperationlevelandproductionmanagementlevelofphotovoltaicenterprises,thispaperproposesaphotovoltaicsystempowerpredictionmethodbasedonlongshort-termmemory(LSTM)neuralnetwork.Thismethodanalyzesalargenu...
