风电功率预测模型

预测效率提升≥17.74%

融合鱼鹰与自适应t分布蜣螂优化算法，优化CNN-BiLSTM-Attention模型超参数，提升风电功率预测精度。

Wu, Yanyan · Ying, Xu · Xudong, Huang

Journal of Bionic Engineering 2025

参数信息

预测效率提升幅度

17.74 %

技术优势

预测效率提升17.74%

融合优化算法有效调整CNN-BiLSTM-Attention模型超参数，使风电功率预测效率至少提升17.74%。

复杂问题全局寻优

在CEC2021基准函数上验证了集成算法优异的全局优化性能，能够有效处理复杂优化问题。

应用场景

• 风电并网：提供更准确的风电功率预测，帮助电网调度消纳更多风电。
• 可再生能源预测：提升预测精度，支撑可再生能源发电计划和交易决策。
• 智能电网：为智能电网的实时调度和稳定控制提供可靠功率预测。