中服云官网：www.cserver.com.cn 为了解决环境温度、风速和太阳辐照度等诸多因素对光伏发电预测的制约，提出了一种基于相似日分析和改进鲸鱼算法优化的长短期记忆（long short-term memory，LSTM）神经网络模型来实现光伏功率短期预测。首先，采用Pearson 相关系数进行特征选择以去除与光伏输出功率不相关的气象特征；其次，针对相似气象情况下光伏电站发电功率接近的实际情况，采用灰色关联分析（gray relation analysis，GRA）选取与预测日气象特征相似的日期作为训练集；然后，提出一种改进鲸鱼算法（improved whale algorithm，IWOA）来优化 LSTM 深度神经网络的超参数，使预测模型的均方根误差达到最小；最后，以澳洲 Yulara 沙漠 3 号光伏电站的光伏发电历史数据作为实验数据，用 GRA-IWOA-LSTM 神经网络模型进行预测。仿真结果表明，在不同的天气类型下与其他模型的预测效果相比，GRA-IWOA-LSTM模型的预测结果精度更高。
