关键词：lstm 光伏发电功率 预测模型 相关性系数 

摘要：光伏发电系统的输出功率具有波动性和间歇性,其特性影响了电力系统安全、稳定与经济地运行,因此准确预测光伏发电系统的输出功率具有十分重要的意义。目前,光伏出力预测一般使用比较简单的网络,如BP神经网络和SVM等,并且大多数预测的时间级为小时级,而对于分钟级的预测具有一定的难度。光伏出力预测是一个回归问题,而长短时记忆(LSTM)在时间序列上具有良好的处理效果。本文研究影响光伏发电的因素,并从中选取主要因素作为特征,通过构建基于LSTM的深度学习模型来预测光伏发电功率。在不同天气情况下,光伏发电功率的波形具有不同的特征,因此对不同天气类型构建不同的LSTM预测模型。实测数据表明,不同天气类型的LSTM模型具有更忧的性能。

科研信息化技术与应用杂志要求:

{1}计量单位、数字、符号文稿必须使用法定的计量单位符号

{2}投稿3个月后未收到刊用通知，作者可自行处理。

{3}中文摘要一般限在200字以内，应包括研究背景、方法、结果、结论或讨论四部分内容；关键词一般3-5个。英文摘要及关键词则与中文的相对应。

{4}作者不属同一单位时，应在作者姓名右上角加注不同的阿拉伯数字。

{5}论文应有中英作者署名、工作单位、所在省、市名称和邮编。如有多位作者，其间以逗号分开，其工作单位不同，应按阿拉伯数字顺序标注在右上角，单位与单位之间用分号。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社