基于混合小波LSTM-DNN结构的光伏预测模型

摘要

这里提出的预测模型旨在准确预测不同规模光伏(PV)系统的出力值,模型采用温度数据,使用静态小波变换(SWT)获取PV功率时间序列近似系数和具体系数,以及从历史数据中提取的统计特征.该模型由4个长短期记忆(LSTM)递归神经网络(RNN)组成,旨在对SWT分解的近似个体和详细系数以及最终的深度神经网络(DNN)进行多步预测.DNN利用由4个LSTM网络估计的重构值以及温度数据和统计特征来预测下一步PV功率的最终值.最终采用佛罗里达州的12.6 MW光伏系统的30 min数据,用于测试、评估并对比所提方法与现有文献的方法.所得结果表明,所提出的模型在与其他模型进行比较的指标中显著提高了预测准确性,同时减少了执行预测操作所需的特征量.