一种基于PSO-LSTM-Adaboost的风光功率组合预测方法

本发明公开了一种基于粒子群优化与LSTM‑Adaboost集成的风光出力预测方法。本发明涉及新能源电力系统预测技术领域，具体解决传统风光出力预测中LSTM超参数依赖人工调整、单一模型泛化能力不足及Adaboost集成权重分配固化的问题。采用粒子群算法(PSO)自动优化LSTM超参数(学习率、隐藏层节点数、正则化系数)，以训练集均方误差(MSE)为适应度函数，解决人工调参效率低的问题；基于Adaboost框架动态集成多个优化后的LSTM模型，通过误差阈值(0.01)调整样本权重，并按指数函数分配子模型权重，提升对时序波动的适应性；构建含序列折叠层的LSTM网络结构，结合Dropout层防止过拟合。整个过程通过多算法协同优化，显著提升了风光电站短期功率预测的精度与模型稳定性。