.png){kind=icon}
返回
Ensemble Deep Learning–Based Wind Power Forecasting With Self-Adaptive Osprey Optimization Algorithm
.png){kind=icon}
OA
AI
DOI：10.1002/ese3.70489.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
风力发电预测在现代电网中可靠整合可再生能源方面发挥着关键作用，因为风力发电的固有波动性给电网稳定性、能源调度和备用管理带来了挑战。为满足对高精度和计算效率高的短期预测模型的需求，本研究提出了一种具有最优特征选择的全新集成深度学习框架——风力发电预测（WPF-SAO）。该方法首先从公开可用的风力发电数据集中获取数据，随后进行Z-score标准化和数据集平衡。引入一种自适应鱼鹰（SAO）优化算法用于最优特征选择，通过自适应控制机制增强探索能力和收敛速度。所选特征随后通过集成模型进行处理，该模型整合了DenseNet、基于反向传播的堆叠自编码器和门控循环单元，并采用多数投票进行最终预测。实验结果表明，与现有模型相比性能更优，实现了0.0096的最小平均绝对误差和0.2302的均方根误差。WPF-SAO框架在有效提高预测精度的同时保持了适中的计算复杂度，为短期风力发电预测提供了稳健高效的解决方案，并支持可再生能源在电力系统中的可靠整合。
Keyword:
ensemble learning
optimal feature selection
Osprey optimization algorithm
wind power forecasting
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
E
IF:
3.4
论文数:
272
被引数:
0
机构
引用论文
One-Day-Ahead Hourly Wind Power Forecasting Using Optimized Ensemble Prediction Methods.png)
Energies
OAAI
EnergiesIF0
OAAI分享收藏A Short-Term Forecasting of Wind Power Outputs Based on Gradient Boosting Regression Tree Algorithms基于梯度Boosting回归树算法的风电出力短期预测EnergiesOAAI
EnergiesIF0
OAAI分享收藏Powerformer: A temporal-based transformer model for wind power forecastingPowerformer: 一种基于时间的变压器风电功率预测模型OAAI
OAAI分享收藏A Bayesian Optimization-Based LSTM Model for Wind Power Forecasting in the Adama District, Ethiopia基于贝叶斯优化的LSTM模型，用于埃塞俄比亚阿达玛地区的风电功率预测EnergiesOAAI
EnergiesIF0
OAAI分享收藏Unbiased forecasting of seasonal wind power generation based on a novel seasonal multivariable grey model基于一种新型季节性多变量灰色模型的无偏季节性风电功率预测Renewable Energy
Renewable EnergyIF9.1
PREAI
分享收藏Two-Stage Ultra-Short-Term Wind Power Forecasting Based on Multi-Scale Wind Process Extraction and Fluctuation Continuation Analysis基于多尺度风过程提取和波动延续性分析的 两阶段超短期风电功率预测Energy
EnergyIF9.4
PREAI
分享收藏
查看更多内容