基于SDAE-SVR-BA的风电功率深度学习预测模型优化方法

摘要

本发明提供一种基于SDAE‑SVR‑BA的风电功率深度学习预测模型优化方法，包括以下步骤：(1)首先对原始特征数据库中的多维NWP数据和风电场历史功率数据进行预处理；(2)采用蝙蝠算法BA对堆栈去噪自动编码器SDAE的隐含层数和隐含层节点数进行优化；(3)采用SDAE对输入数据做特征映射；(4)采用蝙蝠算法BA优化支持向量回归SVR模型中的参数g和C，g为SVR模型中核函数半径，C为SVR模型中惩罚因子；(5)再将步骤(3)映射特征的数据输入使用BA优化的SVR模型中进行预测，最后输出优化后的预测结果。本发明通过采用BA优化的SDAE‑SVR预测模型，具有出色的特征提取与抽象能力，有效提升了短期风电功率预测的精度，提高了功率预测的鲁棒性和稳定性，适合推广使用。