基于MSIBOA-BiGRU的海上风电机组功率预测研究

摘要

为了提高海上风电机组功率预测精度，提出一种基于多策略改进蝴蝶优化算法（multi-strategy improved butterfly optimization algorithm, MSIBOA）优化双向门控循环单元（bidirectional gated recurrent unit, BiGRU）的预测模型。首先，深入分析BiGRU网络的结构机理及其在时序建模中的优势，并通过引入佳点集初始化、帐篷混沌扰动以及高斯扰动等多种策略对传统蝴蝶优化算法（butterfly optimization algorithm, BOA）进行改进，提升算法的全局搜索能力与收敛性能；其次，利用MSIBOA对BiGRU模型的隐层神经元个数、时间步长、正则化系数及dropout概率等关键超参数进行自适应寻优，构建MSIBOA-BiGRU海上风电机组功率预测模型；最后，基于国内某海上风电场实测数据开展实验验证。结果表明：与BiGRU、PSO-BiGRU和BOA-BiGRU模型相比，所提模型在预测精度和稳定性方面均具有明显优势，其MAE、MAPE和RMSE分别降低了51.6%、66.6%和61.0%,决定系数R²提升至0.98。该模型能够有效捕捉海上风电机组功率的复杂变化规律，提升海上风电机组功率预测精度与收敛性能，具有较好的工程应用价值。

关键词

电力系统及其自动化 / 海上风电机组 / 功率预测 / 神经网络 / 蝴蝶算法