来源：期刊VIP网 时间：
作者：乔雅宁;贾宇琛;高立艾;温鹏;
单位：河北农业大学信息科学与技术学院;河北农业大学机电工程学院;
摘要：针对光伏发电功率波动性强和预测准确度低的问题，提出一种基于变分模态分解（VMD）、改进蜣螂算法（IDBO）优化长短期记忆（LSTM）网络的光伏功率预测模型。利用VMD对光伏功率时序数据进行分解，得到不同频率但具有一定规律的子序列，从而达到减少光伏功率波动性的目的。利用可变螺旋搜索策略、Lévy飞行策略和自适应t分布变异策略来改进蜣螂算法，对改进后的蜣螂算法与其他优化算法进行性能测试对比，经过改进的蜣螂算法来优化LSTM中的网络隐含层个数和初始学习速率并建立预测模型，将各个子序列的预测值相加，从而得出最后的预测功率结果。通过实际算例表明，与LSTM预测模型、DBO-LSTM预测模型、VMD-DBO-LSTM预测模型相比，VMD-IDBO-LSTM模型预测精度较高，更具有准确性。
关键词：光伏发电;;功率预测;;变分模态分解;;改进蜣螂算法;;长短期记忆网络;;优化算法
基金资助：河北省社科基金项目（HB22GL026）;; 保定市科技计划项目（2372P001,2372P002）
