基于双深度神经网络的光功率预测方法

摘要：

光伏发电是新兴的清洁能源发电方式之一,其光功率受辐照度等环境因素影响较大,导致注入电网的电量不稳定.采集的环境数据能准确预测发电量变化趋势,对电网平稳运行具有重要意义.现有光功率预测方法大多采用单个模型构建预测结构,当面对不同环境数据时预测结果不够稳定.文中提出一种基于双深度神经网络的光功率预测方法,该方法以BPNN(back propagation neural networks)和LSTM(long short term memory)为基础判别器,并通过遗传算法将二者融合为更加精确和鲁棒的光功率预测模型.在东北电网实际数据集上的实验结果表明,相比现有单一神经网络模型,文中提出的方法具有更高的判别精度,且预测结果更加稳定.

关键词：光功率预测;BPNN;LSTM;遗传算法

所属期刊栏目：45

分类号：TP39(计算技术、计算机技术)

资助基金：国家电网有限公司总部科技项目52992618009Q

在线出版日期：2022-03-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：50-58