Optimization of BiLSTM for PV Output Prediction Based on Hybrid Bat Algorithm
ID：164
Submission ID：157 View Protection：ATTENDEE
Updated Time：2023-11-20 13:53:24 Hits：174
Poster Presentation
Start Time：Pending （Asia/Shanghai）
Duration：Pending
Session：[No Session] » [No Session Block]
Presentation File
Tips: The file permissions under this presentation are only for participants. You have not logged in yet and cannot view it temporarily.
Abstract
摘要 -- 光伏发电受气候环境影响较大，具有较大的不确定性。准确的光伏出力预测可以降低其不确定性，提高电力系统的可靠性。该文提出一种基于混合蝙蝠算法（HBA）优化的双向长短期记忆神经网络（Bi-directionallongshorttermmemory，BiLSTM）的光伏输出预测模型。首先，采用灰色相关分析方法进行环境因子与光伏出力数据的相关性分析，将相关系数较高的环境因子作为预测网络的输入特征;其次，利用HBA优化BiLSTM网络中的最优参数，建立HBA⁃LSTM预测模型;最后，利用某一区域的实际数据进行预测分析，结果表明，与BiLSTM预测方法相比，本文所提方法的预测精度更高。
Keywords
BiLSTM; Hybrid Bat Algorithm; PV Output Forecast; Gray Correlation Analysis
Speaker
Comment submit