基于IMFO-LSTM模型的光伏功率预测研究.pdfVIP

基于IMFO-LSTM模型的光伏功率预测研究.pdf

此“经济”领域文档为创作者个人分享资料,不作为权威性指导和指引,仅供参考
  1. 1、本文档共8页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

第39卷第3期电力科学与技术学报Vol.39No.3

2024年5月JOURNALOFELECTRICPOWERSCIENCEANDTECHNOLOGYMay2024

引用格式:李庆生,张裕,龙家焕,等.基于IMFO-LSTM模型的光伏功率预测研究[J].电力科学与技术学报,2024,39(3):199‑206.

CitationCitation::LIQingsheng,ZHANGYu,LONGJiahuan,etal.PhotovoltaicpowerpredictionbasedonimprovedIMFO-LSTM[J].JournalofElectric

PowerScienceandTechnology,2024,39(3):199‑206.

基于IMFO‑LSTM模型的光伏功率预测研究

111222

李庆生,张裕,龙家焕,白浩,胡蓉,李巍

(1.贵州电网有限责任公司电网规划研究中心,贵州贵阳550000;2.南方电网科学研究院有限责任公司,广东广州510663)

摘要:随着光伏发电大容量接入电网,为降低光伏发电输出的随机性,提出一种基于改进飞蛾优化(improved

moth⁃flameoptimization,IMFO)的长短期记忆网络(longshort⁃termmemory,LSTM)进行光伏发电功率预测。首

先,通过数据预处理,进行灰色关联度分析,减少输入变量维数,再根据选取的输入变量,通过灰色关联度分析法,

进行相似日样本选取;其次,为提高飞蛾算法的性能,对其位置更新公式进行改进;接着,根据IMFO⁃LSTM的网络

层数和学习率,提高其预测精度,降低随机性;最后,基于预处理好的相似日样本,采用优化后的LSTM进行预测。

仿真结果表明:该模型的预测精度得到一定提升,满足实际工程要求。

关键词:光伏发电;改进飞蛾算法;长短期记忆网络;灰色关联度分析法

DOI:10.19781/j.issn.1673‑9140.2024.03.022中图分类号:TM615文章编号:1673‑9140(2024)03‑0199‑08

PhotovoltaicpowerpredictionbasedonIMFO‑LSTMmodel

111222

LIQingsheng,ZHANGYu,LONGJiahuan,BAIHao,HURong,LIWei

(1.PowerGridPlanningResearchCenterofGuizhouPowerGridCo.,Ltd.,Guiyang550000,China;

2.ElectricPowerResearchInstitute,ChinaSouthernPowerGrid,Guangzhou510663,China)

Abstract:Withthelargecapacityofphotovolta

文档评论(0)

经管专家 + 关注
实名认证
文档贡献者

各类文档大赢家

版权声明书
用户编号:6055234005000000

1亿VIP精品文档

相关文档