基于GRO-SSA-LSTM的短期光伏發(fā)電功率預(yù)測

打開文本圖片集

摘 要：為提高光伏發(fā)電功率預(yù)測的精確度，保障電網(wǎng)能可持續(xù)穩(wěn)定運(yùn)行，將長短時(shí)記憶網(wǎng)絡(luò)（LSTM）與淘金優(yōu)化算法（GRO）改進(jìn)后的麻雀搜索算法（SSA）結(jié)合起來，用于實(shí)現(xiàn)短期光伏發(fā)電功率的預(yù)測。首先，利用皮爾遜相關(guān)系數(shù)提取影響光伏功率的關(guān)鍵因素；然后，利用麻雀搜索算法對長短時(shí)記憶網(wǎng)絡(luò)進(jìn)行優(yōu)化，得到網(wǎng)絡(luò)中最優(yōu)的隱含層節(jié)點(diǎn)數(shù)量、訓(xùn)練次數(shù)、學(xué)習(xí)率等超參數(shù)；其次，引入Tent混沌映射優(yōu)化麻雀種群的初始分布，使得種群初始位置分布更加均勻；最后，為避免算法陷入局部最優(yōu)，引入GRO對SSA進(jìn)行優(yōu)化，使得麻雀種群搜索范圍更加廣泛，結(jié)果更加精確。（剩余15971字）