NP-CNN-LSTM 光伏功率预测模型

逐时预测更精准

结合神经先知与卷积长短期记忆网络，从趋势和季节特征中提取内部规律，实现对光伏功率的可靠预测。

Zenan, Xiao · 黄小乔 · Jun, Liu · Li, Chengli · 邰永航

Energy 2023

参数信息

均方根误差

0.987 kW/m²

平均绝对误差

0.563 kW/m²

技术优势

误差更低

在相同数据集上，所提模型的 RMSE 和 MAE 均低于对比模型，预测精度更高。

融合趋势与季节特征

NeuralProphet 对光伏数据进行多分量建模并通过 CNN-LSTM 进一步提取趋势和季节变量的内部特征，从而提升预测效果。

应用场景

• 光伏功率预测：为光伏电站提供高精度逐时功率预测，支撑并网与考核。
• 智能电网调度：提高光伏出力预测精度，降低调度不确定性。
• 新能源管理：预测光伏发电功率，优化能源分配与交易策略。
• 时序预测分析：通过分解与深度网络结合，提升复杂时序预测精度。