摘要：針對(duì)現(xiàn)有光伏發(fā)電功率預(yù)測(cè)技術(shù)存在的未能充分考慮氣象因素、提取特征不充分等導(dǎo)致預(yù)測(cè)精度較低的問(wèn)題,基于深度學(xué)習(xí)理論,提出一種基于改進(jìn)型LSTM網(wǎng)絡(luò)的光伏發(fā)電功率預(yù)測(cè)方法。根據(jù)長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)的特點(diǎn),從循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)推導(dǎo)出其一般計(jì)算過(guò)程,闡述該預(yù)測(cè)方法的優(yōu)越性和可行性。提出基于改進(jìn)型長(zhǎng)短期記憶(LSTM)網(wǎng)絡(luò)的光伏發(fā)電率預(yù)測(cè)模型,該模型充分考慮并優(yōu)化神經(jīng)網(wǎng)絡(luò)帶來(lái)的過(guò)擬合問(wèn)題,且引入RMSProp算法獲取模型最佳的損失函數(shù)值,確保得到最佳的預(yù)測(cè)結(jié)果。綜合考慮對(duì)光伏發(fā)電功率產(chǎn)生影響的多種氣象因素,并將氣象因素做標(biāo)準(zhǔn)化處理后作為模型的初始輸入量,在Spyder軟件上對(duì)預(yù)測(cè)模型進(jìn)行仿真驗(yàn)證。最后將上述模型與單一輸入因素進(jìn)行比較,結(jié)果顯示充分考慮氣象因素的預(yù)測(cè)結(jié)果明顯優(yōu)于單一因素,仿真結(jié)果證明該模型具有較好的預(yù)測(cè)精度。