既有办公建筑光伏发电预测的SSA-LSTM 方法研究

来源：电子测量技术杂志2025年第6期北京时间：

作者：陈浚铿，刘桂雄，谢方静

单位：1.华南理工大学机械与汽车工程学院 广州 510640;2.广州汇锦能效科技有限公司 广州 510640

摘要：既有办公建筑(EOB)安装光伏发电(PVG)系统是环保绿电措施之一，但PVG波动性不利于EOB平稳用电，EOB-PVG功率预测非常重要。本文提出一种EOB-PVG功率预测的麻雀搜索算法长短期记忆(SSA-LSTM)方法，对采集得到环境、发电数据集进行多重插补+主成分分析(MI+PCA)预处理并划分数据集，设计LSTM神经网络预测模型，采用SSA对神经网络超参数自动寻优，实现准确预测。实验选取某EOB实际环境、发电数据，预处理后数据集主成分累计贡献率>95%，设计3项评价指标评估预测性能，对比实验结果表明，SSA-LSTM比LSTM、SSA-TCN具有更高预测精度、更强拟合能力，能够较好地准确预测EOB-PVG功率，有助于后续实现EOB智慧用能管控任务。

关键词：光伏发电预测;长短期记忆网络;麻雀搜索算法

基金资助：2023年省医学科研基金指令性课题(C2023103)项目资助