科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对风电数据的复杂和不确定性，为了进一步提高输出功率预测的精度和鲁棒性，采用深层神经网络技术，提出了一种基于参数寻优的麻雀搜索算法—门控循环单元(SSA-GRU)超短期混合风电功率预测模型。首先，对复杂的风电数据进行冗余变量清洗，通过多个单一神经网络在风电数据训练集上的预测性能比较，GRU神经网络实现了对输出功率较高精度的预测，同时相较其他预测模型提升了效率；然后，采用SSA对整个模型进行参数最优值搜索，将原有单一模型加入优化迭代组成混合算法模型，改进了模型参数设置不确定性带来的对预测精度的影响，SSA较快的收敛速度也适用于风电类大量样本的训练与预测；最后，基于国外某风电场数据集实例验证了本文所提模型的可行性和有效性。
- 出版日期2023
- 单位电子信息工程学院; 河北工业大学
