基于改进蜣螂算法优化VMD-BiLSTM的短期光伏功率预测

摘要

为了提高光伏功率短期预测精度，提出了一种融合改进蜣螂优化算法、变分模态分解(VMD)和双向长短期记忆网络(BiLSTM)的光伏功率短期预测模型。首先，构建基于VMD-BiLSTM的预测框架，通过VMD将时间序列数据分解为多个分量并输入BiLSTM进行预测，重构各分量结果以提高整体预测性能；其次，为缓解蜣螂优化算法易陷入局部最优的问题，在运行的不同阶段引入Logistic混沌映射、Levy飞行、黄金正弦策略和自适应T分布扰动等策略进行改进，提出了改进蜣螂优化算法；最后，利用改进蜣螂优化算法分别优化VMD的分解数K与惩罚因子α、BiLSTM的隐藏层大小和Dropout比例，提升了模型的学习能力并缓解了过拟合问题。通过山东和河北两个光伏电站的实际数据对所提模型进行实验，结果表明：相比于未改进的DBO-VMD-BiLSTM模型，所提模型在两个电站上的MAE、MAPE、RMSE均最优。

关键词

光伏发电 / 功率预测 / 改进蜣螂优化算法 / 变分模态分解 / 双向长短期记忆网络