基于CNN-LSTM混合神经网络的光伏发电量预测方法研究

摘要：

光伏发电量受天气状况,光伏逆变器的质量,光伏组件的清洁度等诸因素影响,其中天气状况的时序性变化较大程度影响发电量.针对不同地区天气时序性变化导致的光伏发电量预测不准确等问题,提出了一种由卷积神经网络(CNN)和长短期记忆(LSTM)混合模型的光伏发电量预测方法,其中通过CNN建立地域之间的空间相关性,LSTM捕捉发电数据之间的时间依赖关系.对神木县红民发电厂和庆城县绿能动力发电厂的光伏发电数据进行测试,实验结果表明,本文所提出的CNN-LSTM混合神经网络方法在光伏发电量预测方面具有较高的准确性和稳定性,比LSTM神经网络模型精度提升4.3％左右.

关键词：光伏发电、模型预测、机器学习、CNN、LSTM

所属期刊栏目：39

分类号：TM615+.2;TP183(发电、发电厂)

在线出版日期：2024-02-01（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