基于秃鹰搜索算法优化LSTM的短期风速预测

摘要：

为了实现短期风速的精准预测,提出了一种基于秃鹰搜索算法优化长短时记忆神经网络的短期风速预测方法.将风速、风向、温度和气压作为特征量,采用秃鹰搜索(bald eagle search,BES)算法对长短时记忆神经网络(long short term memory,LSTM)的隐含层单元数量、正则化系数和初始学习率三个超参数进行优化,建立基于BES-LSTM的短期风速预测模型.采用实际风电场相关数据进行仿真分析,并与其他风速预测方法进行对比,结果表明,本文所提BES-LSTM模型预测结果的方均根误差、平均相对误差和可决系数分别为0.182、3.742%和0.992,各项指标均优于PSO-LSSVM模型和SSA-ELM模型,短期风速预测效果更好.

关键词：风速、短期预测、秃鹰搜索算法、长短时记忆神经网络

分类号：TM614(发电、发电厂)

在线出版日期：2023-11-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：19-24