基于帝王蝶算法的CNN-GRU-LightGBM模型短期风电功率预测
打开文本图片集
摘 要：风电集群大规模并网和跨季节使用产生的不确定性对风电功率预测播报的准确度提出更高的要求。为提高风电功率预测的准确度，提出一种基于帝王蝶优化算法（MBO）的卷积神经网络（CNN）-门控循环单元（GRU）-梯度提升学习（LightGBM）复合风电功率预测模型。首先，分别建立CNN-GRU和LightGBM的风电功率预测模型，利用方差倒数法将两个模型加权组合为CNN-GRU-LightGBM复合模型；为优化模型中的连续参数，使用MBO对模型进行超参数优化。（剩余17362字）