基于帝王蝶算法的CNN-GRU-LightGBM模型短期風(fēng)電功率預(yù)測(cè)

打開(kāi)文本圖片集

摘 要：風(fēng)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(duì)風(fēng)電功率預(yù)測(cè)播報(bào)的準(zhǔn)確度提出更高的要求。為提高風(fēng)電功率預(yù)測(cè)的準(zhǔn)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(luò)（CNN）-門(mén)控循環(huán)單元（GRU）-梯度提升學(xué)習(xí)（LightGBM）復(fù)合風(fēng)電功率預(yù)測(cè)模型。首先，分別建立CNN-GRU和LightGBM的風(fēng)電功率預(yù)測(cè)模型，利用方差倒數(shù)法將兩個(gè)模型加權(quán)組合為CNN-GRU-LightGBM復(fù)合模型；為優(yōu)化模型中的連續(xù)參數(shù)，使用MBO對(duì)模型進(jìn)行超參數(shù)優(yōu)化。（剩余17362字）