典型文献
基于机器学习的光伏发电功率预测——以金华市为例
文献摘要：
不可再生能源的大量消耗,对新能源发电提出更高的要求.国家倡导大力发展新能源发电,且光伏发电在新能源中占有非常重要的位置,然而光伏发电功率不稳定,因此实时准确预测光伏发电功率对新能源消纳和存储具有非常重要的意义.当前存在很多光伏发电功率预测算法,大量研究揭示深度学习方法能更准确地预测光伏发电功率.收集了金华市3个光伏发电站每5分钟时间窗口的发电功率,并通过网络爬虫得到相应的天气数据,再采用机器学习算法对各类天气的光伏发电功率进行预测.研究结果揭示深度学习算法(如双向长短期循环神经网络Bi-LSTM)比传统机器学习算法更好,也更稳定,且晴天和多云天气比阴雨天预测得更准确.
文献关键词：
光伏发电预测;机器学习;深度学习;天气信息
中图分类号：
作者姓名：
张波;王晓晨;周旺;陈志华;王剑强
作者机构：
国家电网金华供电公司,浙江 金华321017
文献出处：
引用格式：
[1]张波;王晓晨;周旺;陈志华;王剑强-.基于机器学习的光伏发电功率预测——以金华市为例)[J].技术与市场,2022(03):17-22
A类：
B类：
基于机器学习,光伏发电功率预测,金华市,不可再生,可再生能源,新能源发电,而光,准确预测,测光,新能源消纳,预测算法,深度学习方法,光伏发电站,时间窗口,网络爬虫,气数,机器学习算法,深度学习算法,双向长短期,循环神经网络,Bi,更稳,晴天,多云,云天,阴雨天,光伏发电预测,天气信息
AB值：
0.239523
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
