基于GRO-SSA-LSTM的短期光伏发电功率预测
简介：为提高光伏发电功率预测的精确度,保障电网能可持续稳定运行,将长短时记忆网络(LSTM)与淘金优化算法(GRO)改进后的麻雀搜索算法(SSA)结合起来,用于实现短期光伏发电功率的预测.首先,利用皮尔逊相关系数提取影响光伏功率的关键因素;然后,利用麻雀搜索算法对长短时记忆网络进行优化,得到网络中最优的隐含层节点数量、训练次数、学习率等超参数;其次,引入Tent混沌映射优化麻雀种群的初始分布,使得种群初始位置分布更加均匀;最后,为避免算法陷入局部最优,引入GRO对SSA进行优化,使得麻雀种群搜索范围更加广泛,结果更加精确.实验结果表明,与LSTM、SSA-LSTM相比,GRO-SSA-LSTM在短期光伏发电功率预测中具有更高的预测精度,且具有至关重要的现实意义.展开
关键词：光伏发电预测模型长短时记忆网络麻雀搜索算法淘金优化算法
资助基金：国家自然科学基金;62073259;国家自然科学基金;52177194
在线出版日期：2025-03-13 （网站首发日期）
