对光伏电量进行准确的短期预测是微电网智能能源管理系统控制和设计的必要条件。在这篇文章中,不同种类的深度学习神经网络(DLNN)短期输出光伏功率预测发达和比较:长期短期记忆(LSTM),双向LSTM (BiLSTM),封闭的复发性单元(格勒乌),双向格勒乌(BiGRU)一维卷积神经网络(CNN1D),以及其他如CNN1D-LSTM和CNN1D-GRU混合配置。在意大利的里雅斯特大学安装的微电网的光伏发电数据库被用来训练和比较测试神经网络。在四种不同的时间范围内(1分钟、5分钟、30分钟和60分钟)，对一步和多步进行了性能评估。结果表明,调查DLNNs提供很好的精度,尤其是在1分钟时间范围的情况下,提前一步(相关系数接近于1),而对于多步骤的情况下提前(提前8步骤),结果发现是可以接受的(相关系数范围在96.9%到98%之间)。
