基于IDBO-TCN-LSTM的短期光伏功率预测

来源：计算机技术与发展杂志2025年第07期北京时间：

作者：周新宇;姜志航;白峻铭;梁宏涛

摘要：为了解决光伏功率预测中存在的不稳定性和波动性问题,以及长短期记忆网络(LSTM)在参数确定方面的困难,该文提出了一种基于改进蜣螂优化算法(IDBO)、时间卷积网络(TCN)和长短期记忆网络相结合的短期光伏功率组合预测模型。 首先,利用 Tent 混沌反向学习策略对蜣螂算法的种群进行初始化,以提高算法的探索能力和多样性;引入莱维飞行和动态权重因子更新解决原始算法收敛慢和易陷入局部最优的问题;引入高斯-柯西变异对最优个体进行扰动,增强全局搜索能力。其次,选择获得感受野更大的 TCN 作为特征提取层,以捕捉更加复杂的时间序列模式。 最后,采用改进蜣螂优化算法优化 LSTM 网络模型的参数设置,建立 IDBO-TCN-LSTM 组合预测模型并在澳大利亚光伏数据集上进行仿真实验。对比结果显示,该模型在处理短期光伏预测任务的预测精度上优于其他模型。

关键词：蜣螂优化算法;Tent映射;Levy飞行;变异策略;光伏功率预测;深度学习