来源：期刊VIP网 时间：
作者：陈庆明;梁奇峰;孙颖楷;蔡继翔;
单位：中山火炬职业技术学院光电信息学院;广东万和新电气股份有限公司万和研究院;国核湛江核电有限公司;
摘要：针对传统LSTM模型在复杂非平稳的光伏发电功率预测时精准度低的问题，提出了基于VMD-GWO-LSTM的光伏发电功率预测模型，通过对发电功率时间序列变分模态分解（VMD）得到模态分量子序列，经灰狼算法（GWO）优化长短期记忆神经网络（LSTM）参数后建立子序列的LSTM模型，各子序列模型预测结果叠加得到发电功率预测值。VMDGWO-LSTM模型的拟合系数相比改进前的LSTM模型提高了1.97%；不同季节的预测结果验证了GWO算法通过优化超参数而提高模型准确性，验证了VMD算法能够提高复杂非平稳时序的预测精准度；在不同季节，VMD-GWO-LSTM模型的拟合系数至少提高了0.96%，预测的平均绝对误差至少减少了2.62%，具有较高的稳定性和普遍适用性。
关键词：光伏发电;;功率预测;;长短期记忆神经网络;;变分模态分解;;灰狼算法
基金资助：广东省高职院校产教融合创新平台项目（2020CJPT016）;; 广东省普通高校特色创新项目（2022KTSCX333）
