基于AWOA-BI-LSTM的光伏发电功率预测

摘要

[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R2值分别为0.997 01和0.998 43；测试集和训练集的RMSE分别为1.585和0.900 63。测试集RPD为20.160 4，训练集RPD为25.935 7。[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