基于自适应蚁群整定长短期记忆网络的分布式光伏功率预测方法

    公开(公告)号:CN117390951B

    公开(公告)日:2025-04-01

    申请号:CN202311177463.0

    申请日:2023-09-13

    Abstract: 本发明提出了一种基于自适应蚁群整定长短期记忆网络的分布式光伏功率预测方法,包括以下步骤:步骤1:建立用于预测分布式光伏功率的多维度特征数据向量集;步骤2:针对步骤1建立的用于预测分布式光伏功率的多维度特征数据向量集,建立用于预测分布式光伏功率的长短期记忆网络;步骤3:针对步骤2建立的长短期记忆网络,建立用于优化长短期记忆网络参数的自适应蚁群算法模型。本发明显著提升了预测模型的泛化能力,增强了预测模型对不同环境条件下的预测准确性和稳定性,从而提高了预测方法的有效性和普适性。通过自适应蚁群算法的参数优化,可以进一步提高光伏功率预测模型的性能和效率,为光伏发电系统的智能管理和优化运行提供有力支持。

    基于自适应蚁群整定长短期记忆网络的分布式光伏功率预测方法

    公开(公告)号:CN117390951A

    公开(公告)日:2024-01-12

    申请号:CN202311177463.0

    申请日:2023-09-13

    Abstract: 本发明提出了一种基于自适应蚁群整定长短期记忆网络的分布式光伏功率预测方法,包括以下步骤:步骤1:建立用于预测分布式光伏功率的多维度特征数据向量集;步骤2:针对步骤1建立的用于预测分布式光伏功率的多维度特征数据向量集,建立用于预测分布式光伏功率的长短期记忆网络;步骤3:针对步骤2建立的长短期记忆网络,建立用于优化长短期记忆网络参数的自适应蚁群算法模型。本发明显著提升了预测模型的泛化能力,增强了预测模型对不同环境条件下的预测准确性和稳定性,从而提高了预测方法的有效性和普适性。通过自适应蚁群算法的参数优化,可以进一步提高光伏功率预测模型的性能和效率,为光伏发电系统的智能管理和优化运行提供有力支持。

Patent Agency Ranking