二次分解と多目的最適化に基づく超短期風力予測法

風力発電の予測精度、安定性、および適合率を向上させ、風力発電所の安全で経済的な運営を促進するために、超短期風力予測のために二次分解と多目的最適化に基づく方法が提案されている。最初に、元の風力信号は、適応ノイズを伴う完全アンサンブル経験的モード分解（CEEMDAN）、ファジーエントロピー（FE）、およびシンプレクティック幾何学的モード分解（SGMD）から構成される二次分解法を使用して分解され、元の信号のランダム性と変動性を軽減する。その後、分解された信号成分は、時系列モデリングのために深い双方向長短期記憶（DBiLSTM）ニューラルネットワークに導入され、ネットワークのハイパーパラメータを最適化するために砂ネコ群最適化アルゴリズム（SCSO）が使用され、ネットワークの予測性能が向上する。最終的に、精度、安定性、およびグリッド適合性を考慮した多目的最適化損失が提案され、ネットワークのトレーニングを導く。実験結果は、使用された二次分解法と提案された多目的最適化損失がモデルの予測性能を効果的に向上させることを明らかにしている。他の古典的手法と比較して、提案された方法は異なる季節において最適な結果を達成し、堅牢な実用性を示している.