热能动力工程

作者：王博

单位：辽宁石油化工大学,

关键词：风光互补发电;粒子群算法;长短期记忆;注意力机制;超参数

基金：辽宁省教育厅基本科研项目（JYTMS20231450）；辽宁省教育厅基本科研项目（LJ212510148022）；辽宁石油化工大学科学研究基金（2023XJJL-009）。

为充分利用某油田地区的太阳能与风力资源，验证该地区风光互补发电系统施行的可行性，提出了一种将粒子群算法（Particle Swarm Optimization，PSO）和长短期记忆神经网络(Long Short-Term Memory，LSTM)以及注意力机制（Attention Mechanism）相结合的风光互补系统发电功率预测方法。引入粒子群算法对模型的隐藏神经元个数和初始学习率进行优化，获取最优参数并结合LSTM捕捉历史序列的相关性。引入注意力机制，通过权重分配聚焦关键时间步，自动识别重要特征维度，提高预测可靠性。仿真结果表明，文章所提模型可以有效捕捉数据的变化趋势，模型的平均绝对值误差、均方误差、均方根误差、决定系数等评价指标均优于LSTM、LSTM-Attention模型，证明PSO-LSTM-Attention模型在发电功率预测性能上表现优异。经实验验证，该系统风光互补发电预测模型均方根误差RMSE值稳定在0.2357，平均绝对误差MAE值为0.1456，拟合优度R2可达0.9435，相比于LSTM、LSTM-Attention模型均有所提升，预测效果较好。

来源：2025年第12期

《热能动力工程》期刊编辑部

查看热能动力工程杂志2025年第12期