基于ISSA-LSTM模型的可再生能源电力需求预测

作     者：闫晓霞 刘娴 YAN Xiaoxia;LIU Xian

作者机构：西安科技大学管理学院陕西西安710054 

出 版 物：《西安科技大学学报》 (Journal of Xi’an University of Science and Technology)

年 卷 期：2024年第44卷第3期

页      面：604-614页

学科分类：08[工学] 0835[工学-软件工程] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(71704140) 西安科技大学哲学社会科学繁荣项目(2018SY03) 陕西省科技厅软科学研究计划项目(2019KRM016) 

主　　题：混合预测模型 麻雀搜索算法 长短期记忆网络 Circle混沌映射 电力需求预测 

摘      要：为了更精准地预测未来能源结构调整方向及成效,选用ISSA-LSTM组合预测模型对中国2023-2030年可再生能源的电力需求进行预测。首先,利用Circle混沌映射改进麻雀搜索算法(SSA)以提高搜索能力以及种群多样性;然后引入长短期记忆神经网络(LSTM)以有效捕捉可再生能源电力需求随机波动性和时序性;最后,通过ISSA-LSTM模型预测长期可再生能源的电力需求,验证测试集数据,并与其他传统模型进行对比。结果表明:ISSA-LSTM模型预测结果能够满足对可再生能源电力需求预测的精度要求;在未来2023-2030年可再生能源电力需求稳定,波动幅度不大,可达到全国用电量的1/3;利用Circle混沌映射改进策略能有效提升SSA寻优能力。与PSO算法相比,SSA算法寻找LSTM超参数最优解的能力更优,ISSA-LSTM模型预测可再生能源电力需求精度更高。