期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于AWOA-BI-LSTM的光伏发电功率预测
1
作者
吴仕宏
张璧臣
+1 位作者
吴佳文
武兴宇
《沈阳农业大学学报》
北大核心
2025年第2期131-143,共13页
[目的]光伏发电功率的准确预测对可再生能源整合到电网、市场和建筑能源管理系统中至关重要。为提高预测精度,本研究提出一种基于改进鲸鱼优化算法(AWOA)和双向长短期记忆网络(Bi-LSTM)的混合模型(AWOA-Bi-LSTM)。针对传统鲸鱼优化算法(...
[目的]光伏发电功率的准确预测对可再生能源整合到电网、市场和建筑能源管理系统中至关重要。为提高预测精度,本研究提出一种基于改进鲸鱼优化算法(AWOA)和双向长短期记忆网络(Bi-LSTM)的混合模型(AWOA-Bi-LSTM)。针对传统鲸鱼优化算法(WOA)寻优精度低、收敛速度慢的问题,提出动态权重因子和自适应参数调整两种改进策略,以增强模型的全局搜索能力和收敛效率。[方法]利用实际光伏发电数据和实测气象数据将AWOA-Bi-LSTM和WOA-Bi-LSTM以及GRNN进行对比实验。[结果]其中AWOA-Bi-LSTM在测试集和训练集上的R^(2)值分别为0.99701和0.99843;测试集和训练集的RMSE分别为1.585和0.90063。测试集RPD为20.1604,训练集RPD为25.9357。[结论]AWOA-Bi-LSTM在拟合度、预测精度和稳定性方面均优于传统方法,能够更有效地捕捉时间序列数据中的复杂模式和趋势,显著提升预测性能。
展开更多
关键词
光伏发电
功率预测
LSTM
BI-LSTM
WOA算法
在线阅读
下载PDF
职称材料
题名
基于AWOA-BI-LSTM的光伏发电功率预测
1
作者
吴仕宏
张璧臣
吴佳文
武兴宇
机构
沈阳农业大学信息与电气工程学院
国网沈阳市东陵区供电公司
出处
《沈阳农业大学学报》
北大核心
2025年第2期131-143,共13页
基金
国家自然科学基金项目(61903264)。
文摘
[目的]光伏发电功率的准确预测对可再生能源整合到电网、市场和建筑能源管理系统中至关重要。为提高预测精度,本研究提出一种基于改进鲸鱼优化算法(AWOA)和双向长短期记忆网络(Bi-LSTM)的混合模型(AWOA-Bi-LSTM)。针对传统鲸鱼优化算法(WOA)寻优精度低、收敛速度慢的问题,提出动态权重因子和自适应参数调整两种改进策略,以增强模型的全局搜索能力和收敛效率。[方法]利用实际光伏发电数据和实测气象数据将AWOA-Bi-LSTM和WOA-Bi-LSTM以及GRNN进行对比实验。[结果]其中AWOA-Bi-LSTM在测试集和训练集上的R^(2)值分别为0.99701和0.99843;测试集和训练集的RMSE分别为1.585和0.90063。测试集RPD为20.1604,训练集RPD为25.9357。[结论]AWOA-Bi-LSTM在拟合度、预测精度和稳定性方面均优于传统方法,能够更有效地捕捉时间序列数据中的复杂模式和趋势,显著提升预测性能。
关键词
光伏发电
功率预测
LSTM
BI-LSTM
WOA算法
Keywords
photovoltaic power generation
power prediction
LSTM
BI-LSTM
WOA algorithm
分类号
TM615 [电气工程—电力系统及自动化]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于AWOA-BI-LSTM的光伏发电功率预测
吴仕宏
张璧臣
吴佳文
武兴宇
《沈阳农业大学学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
