摘要：為了解決現有光伏電站短期發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絡的短期發電量預測方法。首先綜合考慮影響光伏出力的環境因素和光伏板的運行參數以及光伏電站歷史發電量數據,對深度信念網絡進行訓練和學習。在此基礎上,采用重構誤差的方法確定深度信念網絡隱含層層數。最后針對某光伏電站短期發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,對短期發電量預測精度較高。對比前饋反向傳播(Back Propagation,BP)神經網絡預測模型與長短期記憶網絡(Long/Short Term Memory,LSTM)預測模型,結果表明所提方法運算量低、預測精度高,且增加神經網絡的深度比改進神經網絡神經元對預測效果更有效。