基于改進(jìn)魚鷹優(yōu)化算法與VMD-LSTM的超短期風(fēng)電功率預(yù)測

打開文本圖片集

摘 要：為提升超短期風(fēng)電功率的預(yù)測精度，提出一種加入融合柯西變異和反向?qū)W習(xí)策略的改進(jìn)魚鷹優(yōu)化算法（IOOA），用于優(yōu)化以長短期記憶網(wǎng)絡(luò)（LSTM）和變模態(tài)分解（VMD）為基礎(chǔ)的組合預(yù)測模型。首先，采用變模態(tài)分解收集的歷史風(fēng)電功率數(shù)據(jù)， 將非線性較強的原始功率數(shù)據(jù)分解為較為穩(wěn)定的子序列。其次，使用改進(jìn)魚鷹優(yōu)化算法對長短期記憶網(wǎng)絡(luò)的隱藏單元數(shù)目、訓(xùn)練周期、初始學(xué)習(xí)率3個參數(shù)進(jìn)行尋優(yōu)。（剩余15751字）