基于WOA-BiLSTM神经网络的风力发电预测

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。