煤炭工程

作者：蒋磊,李钰义,祁坪,朱岩坤

单位：1. 中国矿业大学（北京）人工智能学院，北京 1000832. 应急管理部研究中心，北京 100013

关键词：光伏发电 , 功率预测 , 多项式拟合 , 长短期记忆网络,

针对新建分布式光伏发电站数据量不足导致的预测困境，提出了一种基于多项式拟合-LSTM的混合预测方法。该方法将传统的多项式拟合技术与深度学习模型相结合，通过引入残差修正机制进一步优化预测结果，并对天气和功率数据进行预处理，通过皮尔逊相关系数分析筛选出具有高相关性的特征指标。在预测阶段采用多层次策略：首先分析近期功率数据并使用多项式拟合建立归一化趋势模型；其次构建LSTM峰值预测模型以获取目标日的功率峰值，将两者相乘得到初步预测结果；最后，通过构建LSTM残差预测模型对初步预测值进行修正，从而得到最终的功率预测曲线。以某实际运行的分布式光伏电站为例进行验证，结果表明，该混合预测方法能够有效提升新建光伏电站的预测精度，为解决数据量有限条件下的光伏发电功率预测问题提供了一种切实可行的解决方案。

来源：2025年第8期

《煤炭工程》期刊编辑部

查看煤炭工程杂志2025年第8期