基于LEA-LSTM的光伏发电功率短期预测方法

光伏发电功率易受气象和环境因素的影响,出现较大的随机性和不确定性,给电力部门的调度和电网的安全带来一定影响。因此,光伏发电功率的精确预测对于电力系统的稳定运行至关重要。文章利用爱情进化算法(love evolution algorithm,LEA)较强的全局搜索能力,优化长短期记忆网络(long short-term memory,LSTM)以更准确地进行光伏发电功率的短期预测。首先,使用皮尔逊相关系数计算各气象因素与光伏发电功率之间的相关性程度,确定模型的输入特征;其次,采用LEA算法对LSTM网络的初始超参数进行优化,获得最优的参数组合,建立LEA-LSTM模型;最后,为验证文章方法的普适性和优越性,采用不同天气条件下的数据集进行了实验,与LSTM、PSO-LSTM和WOA-LSTM 3种模型进行对比,并计算了4种模型的平均绝对误差、均方误差、均方根误差、平均绝对百分比误差和决定系数5种误差评价指标。实验结果表明,与LSTM、PSO-LSTM和WOA-LSTM相比,文章所提出的LEA-LSTM模型具有较高的预测精度和较小的预测误差。