摘要
提出了一种基于联邦学习的分布式光伏发电系统优化调度算法。针对分布式光伏发电系统的分布式部署和功率波动性特点,将联邦学习与长短期记忆网络(Long Short-Term Memory,LSTM)相结合,构建了适应其特性的调度模型。通过在本地训练LSTM模型并聚合全局参数,在保护数据隐私的同时,提高了对光伏发电功率波动的适应能力。进一步采用粒子群优化算法(Particle Swarm Optimization,PSO)对调度模型进行优化,以最小化系统运行成本为目标,综合考虑光伏发电、储能系统和电网交互特性。实验结果表明,与传统集中式优化算法相比,研究算法在光伏发电功率预测精度方面显著提升,系统运行成本降低,调度鲁棒性增强,为分布式光伏发电系统的高效运行和经济性提供了有力保障。
出处
《科技与创新》
2026年第1期70-72,共3页
Science and Technology & Innovation
