灰狼優(yōu)化 文章 最新資訊

基于GWO-BP-CNN-ec的風(fēng)電功率短期預(yù)測模型*

• 在大型電網(wǎng)和小型微電網(wǎng)中，風(fēng)電功率短期預(yù)測對電力系統(tǒng)的調(diào)度運行有著重要意義。為了提高短期風(fēng)電功率預(yù)測精度，文章提出一種卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network，CNN)與灰狼優(yōu)化算法(Grey Wolf Optimizer，GWO)結(jié)合的短期風(fēng)電預(yù)測模型。首先，通過數(shù)據(jù)的離散化，將二維風(fēng)速轉(zhuǎn)換成三維風(fēng)速，變?yōu)榉螩NN模型的輸入量，再結(jié)合GWO對CNN模型的參數(shù)進(jìn)行優(yōu)化，最后通過BP對整個網(wǎng)絡(luò)進(jìn)行微調(diào)后引入預(yù)測偏差二次修正，最后建立了基于GWO-BP-CNN-ec的風(fēng)電功率預(yù)
• 關(guān)鍵字： 風(fēng)電功率短期預(yù)測  卷積神經(jīng)網(wǎng)絡(luò)  灰狼優(yōu)化  偏差修正