-
题名改进的蜣螂优化算法及光伏发电功率预测应用
- 1
-
-
作者
陈庆明
廖鸿飞
孙颖楷
梁奇峰
-
机构
中山火炬职业技术学院光电信息学院
广东万和新电气股份有限公司万和研究院
-
出处
《太阳能学报》
北大核心
2025年第9期445-454,共10页
-
基金
广东省普通高校特色创新项目(2022KTSCX333)
2024年中山市教育科研青年课题(C2024182)
2023年中山火炬职业技术学院校级课程思政示范课程“光伏发电应用技术”(2023KCSZ15)。
-
文摘
针对蜣螂优化算法因陷入局部最优值而收敛精度低的问题,提出融合遗传算法改进的蜣螂优化算法,即遗传-蜣螂优化算法(GADBO),同时结合初始化种群和变异扰动的策略,改善局部最优,提高全局搜索能力。通过10个基准函数的测试和对比,验证改进GADBO算法的有效性,且GADBO比其他群智能优化算法寻优精度更高。GADBO算法应用于长短期记忆神经网络(LSTM)超参数优化,并建立光伏发电功率预测模型。仿真结果表明,以GADBO算法优化而建立的LSTM预测模型拟合系数为98.45%,平均绝对误差和平均绝对百分比误差也最小,模型的准确度和精度都得到提高,验证GADBO在神经网络优化上的适用性和效果。
-
关键词
遗传算法
蜣螂优化算法
光伏
发电
预测
长短期记忆神经网络
-
Keywords
genetic algorithms
dung beetle optimization
photovoltaic
power generation
forecasting
long short-term memory
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
TM615
[电气工程—电力系统及自动化]
-
-
题名模态分解与参数优化结合的LSTM光伏发电功率预测
- 2
-
-
作者
陈庆明
梁奇峰
孙颖楷
蔡继翔
-
机构
中山火炬职业技术学院光电信息学院
广东万和新电气股份有限公司万和研究院
国核湛江核电有限公司
-
出处
《机械设计与制造》
北大核心
2025年第7期305-310,315,共7页
-
基金
广东省高职院校产教融合创新平台项目(2020CJPT016)
广东省普通高校特色创新项目(2022KTSCX333)。
-
文摘
针对传统LSTM模型在复杂非平稳的光伏发电功率预测时精准度低的问题,提出了基于VMD-GWO-LSTM的光伏发电功率预测模型,通过对发电功率时间序列变分模态分解(VMD)得到模态分量子序列,经灰狼算法(GWO)优化长短期记忆神经网络(LSTM)参数后建立子序列的LSTM模型,各子序列模型预测结果叠加得到发电功率预测值。VMDGWO-LSTM模型的拟合系数相比改进前的LSTM模型提高了1.97%;不同季节的预测结果验证了GWO算法通过优化超参数而提高模型准确性,验证了VMD算法能够提高复杂非平稳时序的预测精准度;在不同季节,VMD-GWO-LSTM模型的拟合系数至少提高了0.96%,预测的平均绝对误差至少减少了2.62%,具有较高的稳定性和普遍适用性。
-
关键词
光伏发电
功率预测
长短期记忆神经网络
变分模态分解
灰狼算法
-
Keywords
Photovoltaic Power Generation
Power Forecasting
Long Short-Term Memory
Variational Mode Decomposition
Grey Wolf Optimizer
-
分类号
TH16
[机械工程—机械制造及自动化]
TM615
[电气工程—电力系统及自动化]
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于GWO-GRU的光伏发电功率预测
被引量：6
- 3
-
-
作者
陈庆明
廖鸿飞
孙颖楷
曾亚森
-
机构
中山火炬职业技术学院光电信息学院
广东万和新电气股份有限公司万和研究院
-
出处
《太阳能学报》
EI
CAS
CSCD
北大核心
2024年第7期438-444,共7页
-
基金
广东省普通高校特色创新项目(2022KTSCX333)
广东省高职院校产教融合创新平台项目(2020CJPT016)
2023年中山火炬职业技术学院校级课程思政示范课程(2023KCSZ15)。
-
文摘
针对长短期记忆网络(LSTM)应用于光伏发电功率预测时存在的耗时长或精准度低的问题,提出基于灰狼算法(GWO)优化门控循环单元(GRU)的光伏发电功率预测模型。通过GWO算法优化GRU模型的超参数,以近似最优参数建立光伏发电功率预测模型。结果表明,长时功率预测时,GWO-GRU模型的均方根误差更低、拟合系数更高、耗时更少,比传统LSTM模型的平均绝对误差降低10.20%;短时功率预测时,GWO-GRU模型在3种典型天气条件下不仅预测的平均误差最低、稳定性最强,而且比GWO-LSTM模型的平均用时节省17.24%。不同时长的功率预测表明,GWO-GRU相对于LSTM光伏功率预测效果更佳。
-
关键词
光伏发电
功率预测
门控循环单元
灰狼算法
长短期记忆网络
时间序列
-
Keywords
photovoltaic power generation
power forecasting
gated recurrent unit
grey wolf optimizer
long short-term memory
time series
-
分类号
TM615
[电气工程—电力系统及自动化]
TP391.4
[自动化与计算机技术—计算机应用技术]
-
