基于LSTM 網絡的太陽輻照度預測*

劉譯文 倪 旻

（云南民族大學電氣信息工程學院 昆明 650500）

1 引言

隨著人們對環境問題的持續關注，新能源的利用越來越受到人們的重視。太陽能發電被認為是一種重要的新能源利用方式，而它高度依賴地理環境和天氣狀況，使得光伏輸出功率具有明顯的隨機性和波動性。這種不確定性的輸出功率并網對電力系統產生巨大的威脅，對電網的安全穩定運行帶來了一系列的安全問題［1］。準確的光伏出力功率預測仍然是解決這個問題經濟有效的手段之一［2］。因此，精確的太陽能出力功率預測對電力系統的穩定運行至關重要。在實際的光伏發電站中，光伏發電輸出功率受多種環境和氣象因素（如太陽輻照度、環境溫度、濕度、經緯度）的影響。相關氣象信息的可靠程度對光伏出力預測起著決定性的作用，而太陽輻照度是影響光伏出力的主要因素［3］，太陽能輻照度的準確預測是準確光伏發電預測的前提［4］。

隨著預報理論和機器學習的快速發展，大量的研究方法也不斷涌現，從早期的物理方法、統計學方法到現在比較熱門的機器學習方法［5］。Yanting Li 等［6］提出用ARIMAX 統計學方法來預測光伏出力功率，保持了常規ARIMA 模型的簡單特性但比ARIMA 模型更具實用性，通過實例進行了驗證。Jie Shi 等［7］提出了基于天氣分類和支持向量機（Support Vector Machines，SVM）的光伏系統功率輸出預測模型，基于天氣預報數據和歷史功率數據對光伏發電站提前一天進行預測，實驗結果表明所提預測模型是有效的。……