基于考慮誤差修正的非線性自適應(yīng)權(quán)重組合模型的光伏發(fā)電功率預(yù)測

打開文本圖片集

文章編號：1671-3559（2024）02-0250-07DOI：10.13349/j.cnki.jdxbn.20231126.001

摘要： 為了提高光伏電站光伏發(fā)電功率預(yù)測精度，解決極限梯度提升模型、 長短期記憶模型2種傳統(tǒng)單一模型及傳統(tǒng)組合模型極限梯度提升-長短期記憶模型的光伏發(fā)電功率預(yù)測結(jié)果滯后、 預(yù)測效果易突變、 預(yù)測誤差較大、 線性擬合性較差等不足，基于極限梯度提升算法、 長短期記憶算法和線性自適應(yīng)權(quán)重，提出一種考慮誤差修正的非線性自適應(yīng)權(quán)重極限梯度提升-長短期記憶模型進(jìn)行光伏發(fā)電功率預(yù)測；分別使用極限梯度提升算法和長短期記憶算法訓(xùn)練得到2種單一模型，將2種單一模型的初步預(yù)測值和真實值組成新的訓(xùn)練數(shù)據(jù)集，利用神經(jīng)網(wǎng)絡(luò)算法訓(xùn)練所提出的模型，對2種單一模型的初步預(yù)測值分配自適應(yīng)權(quán)重系數(shù)，并根據(jù)訓(xùn)練時所提出模型的預(yù)測值大小分段統(tǒng)計預(yù)測誤差的分布，預(yù)測時根據(jù)所提出模型的預(yù)測值在預(yù)測結(jié)果的基礎(chǔ)上累加誤差均值從而進(jìn)行誤差修正， 進(jìn)一步提高所提出模型的預(yù)測精度； 利用Python語言分別對所提出的模型、 傳統(tǒng)組合模型和2種傳統(tǒng)單一模型在晴天、 陰天和雨天的光伏發(fā)電功率預(yù)測性能進(jìn)行仿真。（剩余11246字）