基于K-medoids-GBDT-PSO-LSTM组合模型的短期光伏功率预测

打开文本图片集

摘 要：为保障电网供需平衡和安全稳定运行，提高大型光伏电站功率预测的精度，提出一种基于K中心点聚类算法（K-medoids）、梯度提升树（GBDT）和粒子群优化算法（PSO）组合优化的长短期记忆神经网络（LSTM）的光伏功率短期预测模型。首先，采用K-medoids聚类算法对大规模光伏发电数据样本中的天气数据进行不同类别聚类，分为晴天、阴天和雨/雪天3种天气类型；然后，在已有数据基础上构造特征工程，使用GBDT算法分别进行特征重要性分析，筛选出对光伏功率预测具有显著影响的特征，并构建合适大小结构的优化数据集；最后，将重构后的数据集代入PSO算法优化的LSTM模型进行训练，以建立短期预测模型。（剩余14794字）