电工电能新技术

作者：胡堃1， 丁磊1， 郭楠2， 于东升1， 杜清灿2

单位：1.中国矿业大学电气工程学院， 江苏 徐州 221116;
2.华能陇东能源有限责任公司， 甘肃 庆阳 730070

关键词：光伏预测； 长短期记忆神经网络； 变模态分解； 灰狼优化算法； 粒子群优化算法

基金：国家自然科学基金项目（51977208）

为提升光伏功率预测的准确度和可靠性，本文提出一种基于改进灰狼优化算法（LGWO）、变分模态分解法（VMD）、粒子群优化算法（PSO）、长短期记忆网络（LSTM）组成的短期光伏辐照度预测模型。首先，通过LGWO对VMD关键分解参数K和α1进行优化构建参数优化模型，然后利用LSTM对VMD优化后分解的各模态参数进行预测。同时利用改进的PSO以均方根误差为目标函数，优化LSTM隐藏层数量、LSTM迭代次数、LSTM学习率等神经网络参数，最终实现模型预测准确性与可靠性的提升。最后，对甘肃地区某光伏场站出力建模并进行预测分析，结果表明对比传统的LSTM预测模型，本文算法对预测的准确度有较大提升。

来源：2025年第12期

《电工电能新技术》期刊编辑部

查看电工电能新技术杂志2025年第12期