基于长短记忆神经网络优化的短期光伏发电预测方法

摘要：

针对现阶段光伏发电输出功率不稳定和发电预测模型实施难度较大的问题,对基于长短记忆神经网络优化的短期光伏发电预测方法进行研究.通过分析神经网络分布特点,在数据优化模型中代入初始数据,不断迭代计算目标权重,引入自循环乘积法获取模型的最佳优化函数;通过待预测数据之间的类间距计算可分性,将数据划分为对比序列和参考序列,分析参考序列内每个单位时刻下数据的类簇关联度,根据关联度量化值提取下一时刻的数据权重,完成短期光伏发电数据的预测.仿真实验表明,所提方法的预测精度高,该模型结构直观、易实施,对数据包容性强,可以高效实现对发电数据的预测.

关键词：目标权重、自循环乘积法、优化函数、类簇关联度、量化预测

所属期刊栏目：38

分类号：TM615(发电、发电厂)

资助基金：国网山东省电力公司科技项目2020A-009

在线出版日期：2022-06-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：129-134