基于MPA-LSTM模型和Bootstrap方法的短期光伏功率区间预测

作者：宋绍剑^*; 罗世坚; 李国进; 刘斌

来源：广西大学学报(自然科学版), 2022, 47(04): 986-997.

DOI：10.13624/j.cnki.issn.1001-7445.2022.0986

• 光伏
• 区间预测
• 长短期记忆网络
• 海洋捕食者算法
• Bootstrap

光伏发电功率的波动性和间歇性为电力系统调度管理带来巨大的挑战，精确的光伏功率区间预测是解决上述问题的一种有效途径。为此，本文提出了一种基于LSTM网络的新型短期光伏功率区间预测模型。采用MPA对LSTM网络的隐含层神经元数和训练批次数等超参数进行自动寻优，以克服随机选取LSTM模型参数过程中存在的盲目性、费时等问题；并将MPA-LSTM模型用于光伏功率点预测。然后，采用Bootstrap方法分析模型预测结果的误差分布，确定模型预测输出的区间范围。最后，通过对比仿真验证所提模型的有效性。结果表明：本文所提的MPA-LSTM模型均方误差的平均值为1.09%,优于SVM、LSTM、PSO-LSTM和MPA-SVM模型；Bootstrap方法能够准确地描述给定置信度水平下的光伏功率波动范围。

• 单位
  广西大学