基于L-BFGS-B和CNN-LSTM的短期光伏功率预测  

作　　者：胡振邦 夏越[1] 

机构地区：[1]中国农业大学信息与电气工程学院

出　　处：《电气技术与经济》2024年第12期110-114,共5页Electrical Equipment and Economy

摘　　要：为提高光伏发电功率预测的准确性,本文提出了一种通过改进L-BFGS-B算法优化CNN-LSTM混合模型。通过寻找影响光伏发电功率较大的气象因子,将气象因子数据作为输入,同时利用改进L-BFGS-B优化CNN-LSTM网络参数,建立预测LB-CNN-LSTM模型进行训练和预测。在L-BFGS-B算法中,通过动态调整权重,有效地提高了非线性问题的求解能力,采用改进L-BFGS-B优化CNN-LSTM神经网络参数,兼顾了两种神经网络模型的优点,该模型不仅提高了预测精度,而且增强了求解效率,有效避免了过拟合。基于实际光伏发电站的数据进行的仿真实验验证了所提模型相比于传统CNN-LSTM模型在预测精度上的优势。

关 键 词：光伏发电 优化算法 L-BFGS-B算法 神经元 丢弃率 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术]