基于分时LSTM的光伏发电功率预测

许可，王珏，姚铁锤，李凯

1.中国科学院计算机网络信息中心，北京 100190

2.中国科学院大学，北京 100049

引 言

近年来，随着科学技术的不断发展，太阳能发电的综合利用已经成为新兴产业[1]。随着光伏电站装机容量的增长，光伏发电的不确定性为电网新能源消纳带来了挑战[2]。准确的预测光伏发电功率可以降低电力系统的运行成本，保证电网的电能质量，促进大规模的光伏并网发展[3]。

光伏发电是一个连续不断的过程，光伏发电数据作为一个典型的时间序列，不仅是非线性的，而且具有时间相关性[4-5]，光伏发电功率每时刻的变化取决于当前时刻和过去时刻的气象特征[6]。针对时间相关性的研究，黄磊等人[7]利用支持向量回归对不同时间尺度的光伏功率序列进行分析，基于多维时间序列特征建立了光伏功率预测模型。模型在一定程度上提升了预测精度，但在功率变化强烈的情况下模型表现不佳。赵滨滨等[8]建立了基于差分整合移动平均自回归模型对功率序列进行时间相关性分析，采用二阶差分对输出功率的样本值进行预处理，计算输出功率样本值的自相关系数和偏自相关系数。研究结果表明每时刻的功率与前六个时刻的特征均相关，与前一时刻的特征具有高度相关性。江雪辰等人[9]研究出了一种基于时间管理序列的光伏发电功率模拟方法，文章所述方法极大地保留了时序特征的自相关性，并且在概率和数据统计特性上预测效果更优。……