基于GWO-CNN-BiLSTM的超短期风电预测

作者：程杰; 陈鼎; 李春; 钟伟东; 严婷; 窦春霞^*

来源：科学技术与工程, 2023, 23(35): 15091-15099.

• 风电预测
• CNN
• BiLSTM
• GWO
• 组合模型

在未来高渗透率风电场景下，超短期风电功率预测研究对于实现电力系统优化运行具有重要意义。为此，提出一种基于GWO-CNN-BiLSTM的超短期风电预测方法。首先，搭建基于卷积神经网络(convolutional neural network, CNN)与双向长短期记忆神经网络(bidirectional long short term memory, BiLSTM)的组合模型，然后，为提升风电预测结果的精度，通过灰狼优化算法(grey wolf optimizer, GWO)对组合模型进行优化，使该组合模型参数能实时适应风电历史数据。最后，仿真结果验证了所提出方法的有效性和优越性。

• 单位
  自动化学院; 南京邮电大学