摘要
本发明公开了一种基于混合模型的风力发电量预测方法,方法包括:获取风力发电量的影响因子、将影响因子输入混合模型,得到风力发电功率,其中,利用改进的蝴蝶优化算法确定混合模型的模型参数,在改进的蝴蝶优化算法中,通过调整全局搜索和局部搜索的自适应权重来搜索模型参数;本发明采用改进的蝴蝶优化算法,利用自适应权重系数对全局搜索和局部搜索的权重进行调整,从而搜索出混合模型的模型参数,采用模型参数设置混合模型,提高了风力发电量预测的准确性,解决了数据驱动模型训练精度低,从而导致预测精度不够准确的问题,进一步提升了风力发电量的预测精度。
技术关键词
风力发电量
XGBoost模型
算法
因子
数据驱动模型
参数
交叉验证法
加权平均法
特征工程
阶段
处理器通信
功率
精度
存储器
电子设备
指令
香味
节点
系统为您推荐了相关专利信息
动态场景视觉定位方法
静态特征
四足机器人
实例分割
特征点
治理控制方法
电压
光伏充电器
储能电池设备
逆变器
特种气体
流量监测装置
监控预警方法
PID控制器
监控预警系统
全景监视方法
生成全景图像
关联算法
计算机可执行指令
分布式存储系统
数据融合方法
无人船
仿真数据
加权融合算法
阻力