[发明专利]基于LSTM的短期光伏发电功率预测方法及系统

说明书

本发明公开了一种基于LSTM的短期光伏发电功率预测方法，包括以下步骤：S1、采集光伏电厂的历史发电数据以及所处地区的历史气象数据，并对其进行预处理；S2、选择一年的历史数据作为训练集，输入为输出点前96个时间点的发电功率与气象数据，将其表示为的形式，其中m₁为样本的数目，m₂为输入层时间步数，m₃为输入层维数，时间步数选择为96，输入层维数为8；S3、建立基于LSTM的预测模型，将训练集输入LSTM进行训练，其训练方式采用反向传播BPTT算法；S4、采用迭代的方式进行逐点预测，实现以单输出的形式预测未来一天的输出功率。

技术领域

本发明涉及机器学习、新能源领域，特别涉及一种基于长短时间记忆网络光伏功率预测方法及系统。

背景技术

与发达国家相比，我国在光伏发电产业起步较晚。但从2009年大力推广光伏发电以来，发展势头十分迅猛。2009-2013年，装机容量年增长率都不低于100％，从2009年的0.3万千瓦增长至2017年的12579万千瓦，位列世界第一。近年来，光伏新增装机分布转移明显，开始向中东部地区发展。2017年1-11月，西北地区光伏新增装机占比同比下降17个百分点，而中东部成为我国光伏发电热点地区，其中华东地区和华中地区新增装机分别为1325万千瓦和993万千瓦，同比分别增加9和6个百分点。

然而，与传统的火力发电方式相比，光伏发电是一种影响因素众多的系统。受到以光伏电池的转换效率为代表的内在因素，以及以太阳辐射、温度、湿度、风速为代表的外部因素影响，光伏系统发电功率具有波动性与间歇性的特点，使大规模并网光伏发电系统在安全性、稳定性与经济性上带来巨大的挑战。因此，如何在维持电网安全与经济运行的前提下，最大限度的利用间歇性的光伏发电成为了目前新能源领域的研究热点。

对光伏发电功率进行研究能够为建设安全稳定的光伏电站提供参考，同时对光伏功率进行精确的预测，能够为电网的调度提供良好的数据支持，并且，当光伏电站装机容量快速增长时，精确的预测能够配合调度部门协调控制和优化发电区域内风、光、水、火等多种形式的电源，从而减少旋转备用容量、降低系统成本。因此，对光伏发电功率特性进行有效分析并建立一个准确的预测模型，具有深远的理论意义与重要的实用价值。

目前，短期光伏发电功率预测主要采用BPNN和SVM算法，然而，这些算法在天气变化较大的情况下，其预测准确性还不够，而准确率高的基于云层的预测方法，其计算方式太过复杂。

发明内容

本发明的目的是针对现有技术的不足，提出一种基于长短时间记忆网络光伏功率预测方法，解决了在天气波动较大的情况下，预测结果准确率不高的问题，能够有效地对光伏发电功率进行有效的超短期预测；同时，其考虑因素较少，运算复杂度低，预测效率高。

为实现上述目的，本发明所设计的基于长短时间记忆网络的光伏发电功率超短期预测方法，所述方法包括如下步骤：

S1、采集光伏电厂的历史发电数据以及所处地区的历史气象数据，并对其进行预处理；

S2、选择一年的历史数据作为训练集，输入为输出点前96个时间点的发电功率与气象数据，将其表示为的形式，其中m₁为样本的数目，m₂为输入层时间步数，m₃为输入层维数，时间步数选择为96，输入层维数为8；

S3、建立基于LSTM的预测模型，将训练集输入LSTM进行训练，其训练方式采用反向传播BPTT算法；

S4、采用迭代的方式进行逐点预测，实现以单输出的形式预测未来一天的输出功率；

其中，步骤S4具体包括以下步骤：

S41、采集数据为预测日前一天的历史发电功率和历史气象数据以及预测日的天气预报数据；