报告详情
  1. 活动首页
  2. 报告清单
  3. 报告详情
Optimization of BiLSTM for PV Output Prediction Based on Hybrid Bat Algorithm
编号：164 访问权限：仅限参会人 更新：2023-11-20 13:53:24 浏览：467次 张贴报告

报告开始：暂无开始时间（Asia/Shanghai）

报告时间：暂无持续时间

所在会场：[暂无会议] [暂无会议段]

演示文件

提示：该报告下的文件权限为仅限参会人，您尚未登录，暂时无法查看。

摘要
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。
 
关键词
BiLSTM; Hybrid Bat Algorithm; PV Output Forecast; Gray Correlation Analysis
报告人
Mengxiang Ding
a current graduate s Southwest Jiaotong University；the School of Electrical Engineering

稿件作者
Mengxiang Ding Southwest Jiaotong University；the School of Electrical Engineering
Wenli Fan Southwest Jiaotong University
Zixuan Liu Southwest Jiaotong University
Yang Shengyuan 西南交通大学
Shengyong Ye State Grid Sichuan Economic Research Institute
Selamawit Mesfin 西南交通大学
发表评论
验证码 看不清楚，更换一张
全部评论
重要日期

  • 会议日期

    12月08日

    2023

    至

    12月10日

    2023

  • 11月01日 2023

    初稿截稿日期

  • 12月10日 2023

    注册截止日期

主办单位
IEEE IAS
承办单位
Southwest Jiaotong University (SWJTU)
联系方式
登录查看完整联系方式
历届会议
移动端
在手机上打开
小程序
打开微信小程序
客服
扫码或点此咨询