基于改进蜣螂算法优化VMD-BiLSTM的短期光伏功率预测OA

为了提高光伏功率短期预测精度,提出了一种融合改进蜣螂优化算法、变分模态分解(VMD)和双向长短期记忆网络(BiLSTM)的光伏功率短期预测模型。首先,构建基于VMD-BiLSTM的预测框架,通过VMD将时间序列数据分解为多个分量并输入BiLSTM进行预测,重构各分量结果以提高整体预测性能;其次,为缓解蜣螂优化算法易陷入局部最优的问题,在运行的不同阶段引入Logistic混沌映射、Levy飞行、黄金正弦策略和自适应T分布扰动等策略进行改进,提出了改进蜣螂优化算法;最后,利用改进蜣螂优化算法分别优化VMD的分解数K与惩罚因子α、BiLSTM的隐藏层大小和Dropout比例,提升了模型的学习能力并缓解了过拟合问题。通过山东和河北两个光伏电站的实际数据对所提模型进行实验,结果表明:相比于未改进的DBO-VMD-BiLSTM模型,所提模型在两个电站上的MAE、MAPE、RMSE均最优。