基于MATLAB实现LSTM(长短记忆网络)光伏输出功率预测
背景
近年来,光伏市场在全世界的规模迅速增长。2020 年中国宣布采取新政策来提高国家的贡献力,目标是在2030 年前实现碳达峰,在2060 年前能够实现碳中和,到2030 年之前,我国风电、光伏发电总装机容量将持续增多,并在2030 年达到12 亿千瓦以上。光伏发电具有随机性、间歇性和波动性的特点,大规模光伏电站并入电网可能会影响电网系统的稳定性。因此,需要对光伏发电功率进行精确预测,保障电力网系统的稳定性。
LSTM介绍
LSTM算法是一种重要的目前使用最多的时间序列算法,是一种特殊的RNN(Recurrent Neural Network,循环神经网络),能够学习长期的依赖关系。主要是为了解决长序列训练过程中的梯度消失和梯度爆炸问题。简单来说,就是相比普通的RNN,LSTM能够在更长的序列中有更好的表现。
具体介绍见原文链接:https://blog.csdn.net/qq_36816848/article/details/121616301
数据来源
本算法的数据主要来源于澳大利亚某地的光伏监测点,数据包括实际功率,风速,温度,湿度,直接辐射,散射,风向。利用历史数据以及未来的天气数据对未来一段时间的光伏输出进行预测,根据评价指标MAE,MAPE,RMSE评估预测效果,以此保证光伏功率接入电力系统后确保电力系统的可靠运行。具体数据格式见下图