关键词:
风电功率预测
增强特征选择
深度神经网络
北方苍鹰优化算法
摘要:
准确的风电功率预测对电网安全与风资源合理利用具有重要意义。为提高风电功率预测精度,提出一种涵盖异常值检测、增强特征选择和超参数调整等多个环节的风电功率预测策略。首先,采用孤立森林算法筛除风电数据的异常值和冗余值;其次,引入最大互信息系数(MIC)作为特征选择评价指标,获得高相关度的输入特征;此外,建立了优化的卷积神经网络(CNN)与门控循环单元(GRU)神经网络组合模型,其中CNN层将MIC对特征重要性的理解进一步增强,并以多层GRU层对风功率时序关系建模。实际算例表明:所提出的优化神经网络模型较文中其他预测模型,预测指标误差更小,决定系数R 2平均提高了4.44%,平均绝对误差M AE、均方根误差R MSE分别平均降低了62.02%和61.51%,具有较高的预测精度。