基于GWO-GRU的光伏發(fā)電功率預測

打開文本圖片集

摘 要：針對長短期記憶網(wǎng)絡(luò)（LSTM）應(yīng)用于光伏發(fā)電功率預測時存在的耗時長或精準度低的問題，提出基于灰狼算法（GWO）優(yōu)化門控循環(huán)單元（GRU）的光伏發(fā)電功率預測模型。通過GWO算法優(yōu)化GRU模型的超參數(shù)，以近似最優(yōu)參數(shù)建立光伏發(fā)電功率預測模型。結(jié)果表明，長時功率預測時，GWO-GRU模型的均方根誤差更低、擬合系數(shù)更高、耗時更少，比傳統(tǒng)LSTM模型的平均絕對誤差降低10.20%；短時功率預測時，GWO-GRU模型在3種典型天氣條件下不僅預測的平均誤差最低、穩(wěn)定性最強，而且比GWO-LSTM模型的平均用時節(jié)省17.24%。（剩余12047字）