基于改進(jìn)FCM-LSTM的光伏出力短期預(yù)測研究

打開文本圖片集

摘 要：受制于外界氣象條件和設(shè)備性能損失等多方面因素的影響，光伏電站的發(fā)電功率呈現(xiàn)出很強(qiáng)的波動(dòng)性和隨機(jī)性，精確的光伏出力預(yù)測對光伏電站的運(yùn)營管理和電網(wǎng)的調(diào)度運(yùn)行至關(guān)重要。針對傳統(tǒng)模糊C均值聚類算法（FCM）無法自主確定聚類數(shù)以及歐氏距離在高維數(shù)據(jù)分類上的不足，在傳統(tǒng)FCM的基礎(chǔ)上引入自適應(yīng)因子和加入余弦距離作為樣本分類指標(biāo)，確定與待預(yù)測數(shù)據(jù)相似程度最高的歷史樣本簇集，創(chuàng)新性地提出一種基于改進(jìn)FCM和長短期記憶（LSTM）神經(jīng)網(wǎng)絡(luò)的短期光伏出力組合預(yù)測模型。（剩余17280字）