基于特征优选和麻雀搜索优化门控循环单元短期风电功率预测

作者：胡道波; 陈芳芳^*; 张倩倩; 文博; 罗银榕

来源：应用科技, 2023, 50(06): 63-68.

• 风力出电
• 短期预测
• 特征优选
• 麻雀搜索算法
• 优化门控循环单元神经网络
• 互信息
• 灰色关联度
• Kendall秩相关系数

针对短期风电出力预测目前存在的难点与问题，提出一种基于特征优选和麻雀搜索优化门控循环单元（gated recurrent unit,GRU）神经网络预测模型，实现对风电功率的短期预测。首先，分别使用Kendall秩相关系数、灰色关联度和互信息对原始特征数据进行特征优选，选择有效特征作为输入特征集；其次，使用麻雀搜索算法（sparrow search algorithm,SSA）对GRU神经网络超参数进行优化，获取最优超参数；最后，结合西北某风电场实测数据验证了该方法的有效性。实验结果表明，本文所提出的预测模型与文中其他传统预测模型相比，均方根误差和平均绝对误差平均下降了25.3%和31.3%，拟合优度系数平均提高了10.2%，表现出更好的预测性能。

• 出版日期2023
• 单位云南民族大学