典型文献
基于WOA-BiLSTM神经网络的风力发电预测
文献摘要：
针对风力发电具有高随机性与波动性,利用风电场的历史大数据,选取基于鲸鱼优化算法的双向长短期记忆网络(WOA-BiLSTM)建立短期风力发电预测模型,预测超短期风电功率.双向长短期记忆神经网络(BiLSTM)可利用过去以及未来的风速预测数据,对风力发电进行功率预测,提高风力发电的预测精度.在此基础上,利用鲸鱼优化算法(WOA)较高的全局最优解寻求能力来寻找最优神经网络参数,减少根据经验设参导致的BiLSTM随机性,提高预测精度,降低人员试调所花费的时间.试验结果表明,相比于LSTM、BiLSTM,WOA-BiLSTM对风力发电预测有着更好的效果.
文献关键词：
鲸鱼优化算法;双向长短期神经网络;风力发电;功率预测
中图分类号：
作者姓名：
张翼飞;皮子扬;朱瑞琪;宋骏翔;史建举
作者机构：
南京工程学院电力工程学院,江苏 南京 210000
文献出处：
引用格式：
[1]张翼飞;皮子扬;朱瑞琪;宋骏翔;史建举-.基于WOA-BiLSTM神经网络的风力发电预测)[J].电工技术,2022(10):28-31
A类：
B类：
WOA,BiLSTM,风力发电预测,随机性,波动性,风电场,历史大数据,鲸鱼优化算法,双向长短期记忆网络,超短期,风电功率,双向长短期记忆神经网络,风速预测,预测数据,功率预测,全局最优解,网络参数,所花,花费,双向长短期神经网络
AB值：
0.22709
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
