来源：期刊VIP网 时间：
作者：闫晓霞;刘娴;
单位：西安科技大学管理学院;
摘要：为了更精准地预测未来能源结构调整方向及成效，选用ISSA-LSTM组合预测模型对中国2023—2030年可再生能源的电力需求进行预测。首先，利用Circle混沌映射改进麻雀搜索算法(SSA)以提高搜索能力以及种群多样性；然后引入长短期记忆神经网络(LSTM)以有效捕捉可再生能源电力需求随机波动性和时序性；最后，通过ISSA-LSTM模型预测长期可再生能源的电力需求，验证测试集数据，并与其他传统模型进行对比。结果表明：ISSA-LSTM模型预测结果能够满足对可再生能源电力需求预测的精度要求；在未来2023—2030年可再生能源电力需求稳定，波动幅度不大，可达到全国用电量的1/3;利用Circle混沌映射改进策略能有效提升SSA寻优能力。与PSO算法相比，SSA算法寻找LSTM超参数最优解的能力更优，ISSA-LSTM模型预测可再生能源电力需求精度更高。
关键词：混合预测模型;;麻雀搜索算法;;长短期记忆网络;;Circle混沌映射;;电力需求预测
基金资助：国家自然科学基金项目(71704140);; 西安科技大学哲学社会科学繁荣项目(2018SY03);; 陕西省科技厅软科学研究计划项目(2019KRM016)
