来源：期刊VIP网 时间：
作者：杜立;李振华;李振兴;魏伟;徐艳春;
单位：三峡大学电气与新能源学院;智慧能源技术湖北省工程研究中心;国网湖北省电力有限公司营销服务中心计量中心;
摘要：随着光伏装机容量逐渐增大，电力系统稳定、安全运行面临挑战，通过提高光伏发电预测精度，可以提高电力系统运行的稳定性和安全性。为此，文章提出一种基于特征优选的DBO-CNN-Bi LSTM-AM短期光伏发电预测方法。首先，利用方差膨胀因子（Variance Inflation Factor,VIF）和极端随机树（Extremely Randomized Trees,ERT）计算并选取VIF值低且重要性得分高的特征作为输入；其次，采用卷积神经网络（Convolutional Neural Network,CNN）、双向长短期神经网络（Bi-directional Long Short Term Memory,Bi LSTM）和具有特征权重动态调整能力的注意力机制（Attention Mechanism,AM）建立CNN-BiLSTM-AM预测模型；最后，利用蜣螂优化算法（Dung Beetle Optimization algorithm,DBO）进行超参数全局寻优，以最大化预测精度。实验结果表明，文章提出的短期光伏发电功率预测方法预测精度明显高于传统方法，为优化电力调度和电力系统稳定运行提供了良好的基础。
关键词：光伏发电;;双向长短期神经网络;;注意力机制;;蜣螂优化算法
基金资助：国家自然科学基金（52277012）;; 武汉强磁场学科交叉基金资助（WHMFC202202）
