基于帝王蝶算法的CNN-GRU-LightGBM模型短期風電功率預測

打開文本圖片集

摘 要：風電集群大規(guī)模并網(wǎng)和跨季節(jié)使用產(chǎn)生的不確定性對風電功率預測播報的準確度提出更高的要求。為提高風電功率預測的準確度，提出一種基于帝王蝶優(yōu)化算法（MBO）的卷積神經(jīng)網(wǎng)絡（CNN）-門控循環(huán)單元（GRU）-梯度提升學習（LightGBM）復合風電功率預測模型。首先，分別建立CNN-GRU和LightGBM的風電功率預測模型，利用方差倒數(shù)法將兩個模型加權組合為CNN-GRU-LightGBM復合模型；為優(yōu)化模型中的連續(xù)參數(shù)，使用MBO對模型進行超參數(shù)優(yōu)化。（剩余17362字）