信息技术与人工智能
李国丽, 李江磊, 李浩霖, 张 倩, 许家紫, 顾 缃
2026, 54(5): 473-483.
针对光伏发电功率的多变性和复杂性 , 提出一种深度混合学习模型 , 用于光伏功率短期预测。该模型依据待测地区的气象数据 , 精准提取对输出功率具有显著影响的关键变量 , 并考虑卫星云图特征 , 结合深度混合学习模型 , 进行光伏功率的短期精准预测。 首先采用变分模态分解对原始光伏功率数据和相关气象参数进行分解 ; 然后利用双 向长短期记忆网络构建融合深度特征的混合预测架构 , 将遗传算法的选择交叉变您机制引入北方苍鹰算法 , 优化深度混合学习模型的超参数 , 从而有效避免模型陷入局部最优问题。 在此基础上 , 提出一种“ 单次训练 +多次预测”预测方法 , 有效解决传统变分模态分解存在的信息泄露问题。 不同季节和天气条件下的实验验证结果表明:相较于其他算法 , 深度混合学习模型展现出显著优势 , 引入云图特征后 , 预测精度得到明显提高。