一种基于NGO算法优化PCC-CNN-BiGRU-Attention的超短期风电功率预测方法

本发明提供一种基于NGO算法优化PCC‑CNN‑BiGRU‑Attention的超短期风电功率预测方法，属于风电功率预测领域。首先，对采集数据进行预处理和PCC特征筛选，筛选出高相关性特征因子作为输入。其次，将筛选后的数据输入CNN层的模型中处理，得到特征向量。第三，将CNN层得出的特征向量输入至BiGRU层的模型进行训练。第四，由Attention机制将训练后的特征向量进行权重计算并由全连接层输出。最后通过NGO算法优化上述构建的PCC‑CNN‑BiGRU‑Attention模型参数，得到训练好的模型。本发明能够进一步捕捉风电功率趋势，提高短期预测精度；且能够避免全局特征均匀处理的局限性；采用NGO优化算法搜索出神经网络的最优超参数，克服人为调参数不准确性的问题，收敛效果好。