典型文献
基于LSTM神经网络的中长期光伏电站发电量预测方法研究
文献摘要：
准确估算光伏电站的中长期发电量对电网规划改进/调度优化/管理发展具有重要意义.然而,由于中长期发电量预测与短期出力预测存在显著差异,短期出力预测技术无法直接应用于中长期电量预测.文章提出一种基于模糊C均值聚类-随机森林算法FCM-RF和LSTM神经网络的中长期辐照度预测模型,进而提出间接预测分布式光伏电站发电量的方法.针对传统随机森林在数据差异性处理能力不足的问题,引入模糊C均值聚类算法对传统随机森林算法模型进行了改进.设计了LSTM神经网络,解决了"长时间周期依赖"问题.最后经实验验证,该分布式光伏电站中长期发电量预测模型每月预测平均误差百分数MA PE在3.5％上下波动,各电站年预测值在1.1％上下波动,预测效果较好.
文献关键词：
FCM-RF;中长期辐照度预测模型;LSTM;中长期发电量预测模型;MAPE
中图分类号：
作者姓名：
方鹏;高亚栋;潘国兵;马登昌;孙鸿飞
作者机构：
浙江华云电力工程设计咨询有限公司, 浙江 杭州 310023;浙江工业大学 机械学院机电所, 浙江杭州 310023
文献出处：
引用格式：
[1]方鹏;高亚栋;潘国兵;马登昌;孙鸿飞-.基于LSTM神经网络的中长期光伏电站发电量预测方法研究)[J].可再生能源,2022(01):48-54
A类：
中长期电量预测,中长期辐照度预测模型,中长期发电量预测模型
B类：
电网规划,调度优化,管理发展,出力预测,预测技术,接应,均值聚类,随机森林算法,FCM,RF,分布式光伏电站,处理能力,聚类算法,算法模型,时间周期,每月,月预测,平均误差,百分数,MAPE
AB值：
0.168258
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
