基于 LightGBM- 带注意力机制的 LSTM 组合模型的光伏瞬时发电量预测研究

搜索

全文直达

引用

打印

摘要：为提高光伏电站瞬时发电量预测的精度与可靠性，本文基于机理知识对光伏瞬时发电数据展开特征工程，同时基于四分位距准则实现对输入特征数据中离群点的清洗，然后以 8:2 比例划分训练数据与测试集，再以 8:2 比例将训练数据划分训练集与验证集；分别使用随机森林、SVR、LightGBM、LSTM、带注意力机制的 LSTM(A-LSTM) 以及本文提出的基于线性加权法对 LightGBM 与 LSTM(LGB-L)、LightGBM 与 A-LSTM(LGB-AL) 组合模型对光伏瞬时发电量进行回归预测，使用 RMSE、MAPE 两个指标进行评估，并以 RMSE 作为主要指标。评估结果表明，本文提出的 LGB-AL 线性加权组合模型总体表现最佳，从测试集的评估表现来看，LGB-AL 模型在 MAPE 上相较其它模型总体降低 5.62%~35.41%，在 RMSE 上相较其它模型总体降低 3.16%~17.23%。

关键词：

光伏瞬时发电量；LightGBM；LSTM；注意力机制；线性加权法

Universe Scientific Publishing

ISSN：2661-3484

年,卷(期)：2025,7(8)