摘要：為了解決現(xiàn)有光伏電站短期發(fā)電量預測方法存在的預測模型復雜、預測誤差較大、泛化能力較低的問題,提出一種基于深度信念網(wǎng)絡(luò)的短期發(fā)電量預測方法。首先綜合考慮影響光伏出力的環(huán)境因素和光伏板的運行參數(shù)以及光伏電站歷史發(fā)電量數(shù)據(jù),對深度信念網(wǎng)絡(luò)進行訓練和學習。在此基礎(chǔ)上,采用重構(gòu)誤差的方法確定深度信念網(wǎng)絡(luò)隱含層層數(shù)。最后針對某光伏電站短期發(fā)電量進行預測算例分析,驗證了該預測模型能主動選擇樣本抽象特征、自動確定隱含層層數(shù),對短期發(fā)電量預測精度較高。對比前饋反向傳播(Back Propagation,BP)神經(jīng)網(wǎng)絡(luò)預測模型與長短期記憶網(wǎng)絡(luò)(Long/Short Term Memory,LSTM)預測模型,結(jié)果表明所提方法運算量低、預測精度高,且增加神經(jīng)網(wǎng)絡(luò)的深度比改進神經(jīng)網(wǎng)絡(luò)神經(jīng)元對預測效果更有效。