(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211116184.9 (22)申请日 2022.09.14 (71)申请人 广西电网有限责任公司电力科 学研 究院 地址 530023 广西壮 族自治区南宁市 兴宁 区民主路6 -2号 (72)发明人 周柯　丘晓茵　金庆忍　蒙宣任　 宋益　 (74)专利代理 机构 南宁东智知识产权代理事务 所(特殊普通 合伙) 45117 专利代理师 裴康明 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) H02J 3/00(2006.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于改进长短期记忆神经网络的短期光伏 发电预测方法 (57)摘要 本发明公开了一种基于改进长短期记忆神 经网络的短期光伏发电预测方法， 该方法对短期 光伏发电预测 需要数据进行数据分析得到训练 数据集； 构建长短期记忆神经网络， 并将训练数 据集输入长短期记忆神经网络进行训练； 采用麻 雀算法优化长短期记忆神经网络参数， 得到优化 后的长短期记忆神经网络， 优化后的长短期记忆 神经网络输出短期光伏发电功率预测值。 即通过 历史多维度、 多时间尺度、 高关联的数据进行短 期光伏发电功率预测， 从而缓解配电网中光伏发 电的不确定性； 采用麻雀算法优化长短期记忆神 经网络参数， 进一步提高预测 效果。 通过本发明 的实施， 能够较好的利用气象数据并提高短期光 伏功率的预测精度， 实现电网的经济和稳定运 行。 权利要求书2页 说明书8页 附图3页 CN 115470987 A 2022.12.13 CN 115470987 A 1.基于改进长短期记 忆神经网络的短期光伏发电预测方法， 其特 征在于， 包括： 获取短期光伏发电预测需要数据， 并进行数据分析得到训练数据集， 将所述训练数据 集作为长短期记 忆神经网络的输入数据； 构建长短期记 忆神经网络， 并将所述训练数据集输入长短期记 忆神经网络进行训练； 采用麻雀算法优化长短期记忆神经网络参数， 并根据优化后的长短期记忆神经网络参 数设置长短期记忆神经网络， 得到优化后的长短期记忆神经网络， 所述优化后的长短期记 忆神经网络 输出短期光伏发电功率预测值。 2.根据权利要求1所述的基于改进长短期记忆神经网络的短期光伏发电预测方法， 其 特征在于， 对历史光伏发电功率数据进行 数据分析 得到训练数据集包括： 采集光伏电站天气预报数据和光伏发电的各个特征值， 将所述特征值构 成同步的时序 数据集； 对所述时序数据集进行 数据处理； 基于关联性分析方法， 计算 时序数据集中的气象数据特征量和光伏发电功率之间的相 关性大小； 根据相关性计算结果， 选择相关性高的气象数据 特征量和光伏发电功率历史数据组成 光伏发电功率短期预测模型的输入数据； 将所述输入数据分为训练数据集和 测试数据集， 并进行归一 化处理。 3.根据权利要求1所述的基于改进长短期记忆神经网络的短期光伏发电预测方法， 其 特征在于， 构建长短期记 忆神经网络包括： 设置初始网络参数， 所述初始网络参数包括： 网络层数、 神经 元数和学习率； 根据所述网络参数设置神经网络； 将训练数据集输入神经网络， 反复迭代训练神经网络； 将测试数据集输入长短期记忆神经网络， 得到短期光伏发电功率预测值， 并对所述短 期光伏发电功率预测值进行分析精度。 4.根据权利要求3所述的基于改进长短期记忆神经网络的短期光伏发电预测方法， 其 特征在于， 短期光伏发电功率预测值 为待预测日的96点短期光伏发电功率预测值。 5.根据权利要求1所述的基于改进长短期记忆神经网络的短期光伏发电预测方法， 其 特征在于， 采用麻雀算法优化的长短期记忆神经网络参数包括： 长短期记忆神经网络的网 络层数、 神经 元数和学习率。 6.根据权利要求1所述的基于改进长短期记忆神经网络的短期光伏发电预测方法， 其 特征在于， 采用麻雀算法优化长短期记 忆神经网络参数包括： 初始化种群， 种群为长短期记忆神经网络的其中一个参数的集合， 迭代次数， 初始化捕 食者和加入者比例； 将训练数据集和测试数据集输入长短期记忆神经网络进行训练得到短期光伏发电功 率预测值， 计算长短期记 忆神经网络预测误差， 即适应度值， 并排序； 更新捕食者 位置； 更新加入者 位置； 更新警戒者 位置； 计算适应度值并更新麻雀位置；权　利　要　求　书 1/2 页 2 CN 115470987 A 2判断是否满足停止条件， 满足则退出， 输出结果， 即所述长短期记忆神经网络参数的最 优值， 否则， 重复获取适应度值。 7.根据权利要求6所述的基于改进长短期记忆神经网络的短期光伏发电预测方法， 其 特征在于， 所述捕食者 位置的表达式为： 上式中， 为种群中第t代中第i个种群第j个个体的位置； α， R2为0到1的均匀随机数； Q为标准正态分布随机数； ST为警觉阈值； M为 最大迭代次数。 8.基于改进长短期记 忆神经网络的短期光伏发电预测系统， 其特 征在于， 包括： 数据处理模块， 用于获取短期光伏发电预测需要数据， 并进行数据分析得到训练数据 集， 将所述训练数据集作为长短期记 忆神经网络的输入数据； 长短期记忆神经网络模块， 用于构建长短期记忆神经网络， 并将所述训练数据集输入 长短期记 忆神经网络进行训练； 和 麻雀算法优化模块， 用于采用麻雀算法优化长短期记忆神经网络参数， 并根据优化后 的长短期记忆神经网络参数设置长 短期记忆神经网络得到优化后的长 短期记忆神经网络， 所述优化后的长短期记 忆神经网络 输出短期光伏发电功率预测值。 9.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质包括存储的程序， 其中， 在所述程序运行时控制所述计算机可读存储介质所在设备执行权利要求 1至7中任意 一项所述的基于改进长短期记 忆神经网络的短期光伏发电预测方法。 10.一种处理器， 其特征在于， 所述处理器用于运行程序， 其中， 所述程序运行时执行权 利要求1至7中任意 一项所述的基于改进长短期记 忆神经网络的短期光伏发电预测方法。权　利　要　求　书 2/2 页 3 CN 115470987 A 3