基于白鲨算法与改进长短期记忆网络的光伏出力预测

作     者：闫朝阳 李蓝青 徐浩嘉 庄锁 张振华 戎子睿 

作者机构：国网江苏省电力有限公司 国电南瑞科技股份有限公司 

出 版 物：《发电技术》 (Power Generation Technology)

年 卷 期：2025年

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0807[工学-动力工程及工程热物理] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(61933005) 

主　　题：光伏出力预测 核主成分分析 变分模态分解 长短期记忆神经网络 白鲨优化算法 

摘      要：【目的】为了保障光伏接入后电力系统的安全稳定与经济运行，准确预测光伏发电出力具有重要意义。本文提出了一种基于白鲨算法与改进长短期记忆网络的光伏功率预测模型,并采用白鲨优化算法(White Shark Optimization Algorithm, WSO)优化预测模型参数。【方法】为充分考虑影响光伏输出功率的环境变量，本研究首先采用变分模态分解(Variational Mode Decomposition, VMD)方法对环境因子序列进行分解，以降低序列的非平稳性。接着，利用核主成分分析(Kernel Principal Component Analysis, KPCA)方法提取主要影响因素的特征序列，获得最佳的气象特征序列。最后，使用长短期记忆(Long Short-Term Memory Neural Network, LSTM)网络预测多变量特征序列，并使用白鲨优化算法优化长短期记忆网络的参数，以实现对光伏出力的精确预测。【结果】实验结果表明，与传统的光伏功率预测方法相比,该模型显著提高了光伏发电功率的预测精度。【结论】采用白鲨优化算法优化长短期记忆中的隐藏单元数目、最大训练周期、初始学习率，可以有效地提高优化的效率和精度，为高比例光伏接入后系统的稳定运行提供了参考依据。