由于大部分日PV出力主要在中午前后的峰值区域获得，因此，对峰值时段PV出力的预测是光伏设施更复杂运行的必要功能。然而，由于气象信息是不断变化的，特定区域的气象信息难以获取，因此对某一峰值区域的光伏发电量进行预测是一个具有挑战性的问题。此外，由于只利用上午观测的气象信息来估算中午前后的光伏发电量，而将输入特征作为预测视界较短的视界，使得问题更加复杂。因此，本文提出了两种基于长短时记忆(long - short memory, LSTM)和栅极循环网络(gate recurrent network, GRU)的光伏发电量预测模型。特别地，与以往的方法不同的是，本文提出的模型试图仅根据早晨捕获的信息来理解隐藏的光伏发电输出序列模式，而不利用训练期间中午前后的未来气象信息。基于真实数据集的实验结果表明，该模型在峰值区域的光伏功率预测效果优于传统模型。
