典型文献
基于PSO-Soft attention双向LSTM算法的光伏发电量预测研究
文献摘要：
为解决传统的光伏发电量预测中数据特征方程较为粗糙、预测精度不高等问题,提出一种基于PSO-Soft attention双向LSTM算法的光伏发电功率预测算法,在前向传播过程中通过自适应学习策略的PSO算法对LSTM模型的关键参数进行寻优,同时优化了双向LSTM网络的反向传播过程,加入了Soft attention机制使模型收敛性更强,重新构造该模型为八层网络结构且采用两层卷积层,同时解析了PSO-Soft attention双向LSTM算法的光伏发电功率预测过程.实验结果表明,相较于SVM模型以及LSTM模型,所提预测模型的预测精度提升了2％左右.
文献关键词：
发电量预测;LSTM;PSO;特征方程;Soft attention
中图分类号：
作者姓名：
赵晋斌;张建平;毛玲;屈克庆;黄成建;揭业炜
作者机构：
上海电力大学电气工程学院,上海 200090;国网嘉兴供电公司,浙江嘉兴 314000
文献出处：
引用格式：
[1]赵晋斌;张建平;毛玲;屈克庆;黄成建;揭业炜-.基于PSO-Soft attention双向LSTM算法的光伏发电量预测研究)[J].智慧电力,2022(03):1-7
A类：
B类：
PSO,Soft,attention,光伏发电量,发电量预测,预测研究,数据特征,特征方程,光伏发电功率预测,预测算法,传播过程,自适应学习,学习策略,同时优化,反向传播,收敛性,新构造,八层,两层,卷积层,精度提升
AB值：
0.245355
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
