多策略改进蜣螂优化算法及其在光伏发电功率预测中的应用

为了提高光伏发电功率预测的精确度,利用伯努利映射、鲸鱼优化算法的螺旋更新机制和最优个体自适应t分布3种策略改进标准蜣螂优化算法。通过在8种标准测试函数上进行验证,结果表明改进后的算法在收敛速度和寻优能力方面均有显著提升。进一步地,采用改进蜣螂优化算法优化长短期记忆网络模型(IDBO-LSTM)进行光伏发电功率预测,并与其他6种模型进行对比实验。预测结果表明,相较于其他模型,IDBO-LSTM在3种不同的天气类型下都展现出来更好的预测性能。与DBOLSTM模型相比,IDBO-LSTM的平均绝对误差率分别下降了0.08%、3.51%、4.02%。

基于改进核密度估计的光伏发电功率区间预测

该文提出了一种基于改进核密度估计和GRO-CNN-LSTM-Attention的光伏发电功率区间预测模型。该模型通过引入淘金优化算法(GRO)与SE注意力机制提高了点预测模型的准确度,同时通过自适应带宽参数与混合概率密度函数两种策略改进核密度估计区间预测方法,使得改进后的区间预测方法在满足置信度要求的前提下平均区间宽度更窄,提高了区间预测的准确性。在三种不同的天气类型下分别以85%、90%和95%的置信度进行光伏发电功率区间预测,采用预测区间覆盖概率和预测区间平均宽度作为评价指标与其他预测方法进行对比分析,验证了所提预测模型的有效性与准确性。