随着云计算数据中心在全球范围内的发展和应用,它带来的一些问题,如能耗消耗过快、费用过高、污染越来越严重,都将变得越来越明显。为了节约能源消耗,绿色新能源的使用成为很多云服务商的发展重点,利用绿色能源为其数据中心供电。各类绿色能源的出现对环境保护的意义重大,并且为可持续发展提供了有力的支持。其中,应用推广最为广泛的是太阳能和风力风电两种绿色能源,且最受各个国家的重视,绿色能源的推广应用,在很大程度上,减少了污染气体的排放,保护了我们赖以生存的家园,并且能满足人类发展的能源需求,是未来能源发展的主要趋势。因此,对于太阳能的预测研究是非常有必要且具有现实意义的。太阳能板接收到的最终太阳辐射强度受各种气象状况如气温、气团、气压等的影响,所以它具有强烈的波动性和间歇性,这给绿色能源预测带来了极大的困难。本文总结了近些年国内外关于绿色能源时间序列预测的研究进展,下面会针对本研究的主要步骤进行详细的说明:首先是太阳能多维数据的采集和预处理。本文中决定使用国家可再生能源实验室通过测量和仪表数据中心在俄勒冈大学采集的太阳能原始数据作为研究对象,通过异常值剔除、缺失值补充、合适的滤波算法以及主成分分析法等步骤进行预处理,使得后续模型具有更好的精确性。其次是预测算法的选择和模型训练。本研究从基于深度学习的数据预测角度展开研究,通过对太阳能和风能历史数据的研究与分析,即需要对各类影响因素的重要程度进行分析,所以在使用长短期记忆神经网络(LSTM)时间序列建模方法的基础上,引入Attention机制,并且与传统时间序列预测模型进行对比,本研究中选取的对比模型包含自回归差分移动平均算法(ARIMA)、多层前馈神经网络BP神经网络以及LSTM三种算法,并且从多个角度衡量模型的性能,找到相对最优参数,使得本研究提出的预测模型能达到稳定的最优效果。综上所述,本研究通过对绿色能源数据的预处理,对其建立一种LSTM与Attention相结合的预测模型,更加精确高效地预测下一时刻的绿色能源数据,在数据使用上为有关部门提供支撑,并为混合能源互补供电做好前期准备。