基于深度信念网络的光伏电站短期发电量预测

摘要：

为了解决现有光伏电站短期发电量预测方法存在的预测模型复杂、预测误差较大、泛化能力较低的问题,提出一种基于深度信念网络的短期发电量预测方法.首先综合考虑影响光伏出力的环境因素和光伏板的运行参数以及光伏电站历史发电量数据,对深度信念网络进行训练和学习.在此基础上,采用重构误差的方法确定深度信念网络隐含层层数.最后针对某光伏电站短期发电量进行预测算例分析,验证了该预测模型能主动选择样本抽象特征、自动确定隐含层层数,对短期发电量预测精度较高.对比前馈反向传播(Back Propagation,BP)神经网络预测模型与长短期记忆网络(Long/Short Term Memory,LSTM)预测模型,结果表明所提方法运算量低、预测精度高,且增加神经网络的深度比改进神经网络神经元对预测效果更有效.

关键词：光伏发电、短期发电量预测、神经网络、深度信念网络、重构误差

所属期刊栏目：47

资助基金：国家自然科学基金项目资助51977133

在线出版日期：2019-10-21（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：11-19