基于LSTM光伏发电功率超短期预测模型研究

精准地预测光伏发电功率有利于保证电网的稳定运行。采集了江苏常熟某75 MW光伏电站和山西大同某100MW电站数据，利用相关系数法对影响光伏电站输出功率的因素进行分析。搭建了长短期记忆神经网络(LSTM)功率预测模型，对两个电站的输出功率进行预测。为验证LSTM模型和同一算法下不同电站的功率预测精度，使用循环神经网络(RNN)算法和前馈神经网络(BP)算法搭建预测模型，并与LSTM算法进行对比分析，通过模型评价指标平均绝对误差(MAE)、均方根误差(RMSE)及决定系数R²，对三种模型之间的误差值进行比较，结果表明采用LSTM算法预测模型精度更高，且不同电站采用同一网络模型时，电站输出功率和气象数据的相关系数值越大，模型的功率预测值更加贴近实际值。