基于神經(jīng)網(wǎng)絡(luò)模型的光伏發(fā)電功率預(yù)測(cè)研究

打開文本圖片集

摘要：隨著全球環(huán)境污染變得日益嚴(yán)重以及能源需求的快速增長(zhǎng)，太陽(yáng)能光伏發(fā)電受到天氣、大氣狀況等多種因素的影響，其發(fā)電功率具有不確定性，需要準(zhǔn)確的預(yù)測(cè)模型來提高其利用效率。文章采用了長(zhǎng)短期記憶網(wǎng)絡(luò)（Long Short-Term Memory，LSTM）模型來預(yù)測(cè)太陽(yáng)能光伏發(fā)電功率，將歷史氣象數(shù)據(jù)及發(fā)電功率數(shù)據(jù)作為輸入變量，將極限學(xué)習(xí)機(jī)（Extreme Learning Machine，ELM）模型作為預(yù)測(cè)誤差對(duì)比，證明長(zhǎng)短期記憶網(wǎng)絡(luò)模型能夠有效提高預(yù)測(cè)精度，具有一定的實(shí)際指導(dǎo)意義。（剩余6303字）