10.16628/j.cnki.2095-8188.2021.08.010
基于改进长短期记忆网络和高斯过程回归的光伏功率预测方法
为了获得精确的光伏功率预测结果和量化其不确定性,提出了一种基于改进长短期记忆网络(LSTM)与高斯过程回归(GPR)的光伏功率预测方法.首先,为了减少需要优化的变量,对LSTM结构进行改进,随后将利用遗传算法得出的最优特征变量组合输入改进LSTM得到第一次点预测结果,然后将第一次点预测结果和实际值结合GPR得到最终具有概率意义的预测结果.最后以湖南竺家光伏电站为例进行仿真验证,仿真结果表明所提方法相较于其他方法能够在较短时间内获得高精度、预测区间合适、可靠性强的预测结果,能够同时兼顾准确性和可靠性,具有一定的实际工程指导意义.
长短期记忆网络;光伏功率预测;高斯过程回归;概率分布函数;区间预测
TM615(发电、发电厂)
国家自然科学基金项目51708914,51507014
2021-11-17（万方平台首次上网日期，不代表论文的发表时间）
共7页
51-57
