基于Spearman-ISSA-BiLSTM组合模型的短期风电功率预测方法

基于Spearman‑ISSA‑BiLSTM组合模型的短期风电功率预测方法，包括以下步骤：通过Spearman相关性分析法筛选出影响风电功率重要的气象特征，将其作为BiLSTM模型的输入；采用基于Logistic混沌映射、自适应权重以及局部搜索策略改进的麻雀搜索算法对BiLSTM模型进行超参数寻优，找到最合适的模型参数，建立ISSA‑BiLSTM组合模型；输入筛选后的气象特征以及历史功率数据进行训练，得到最终预测结果。该方法基于Spearman相关性分析法、改进麻雀搜索算法(ISSA)、双向长短期记忆网络(BiLSTM)的组合预测模型，相较于传统的预测模型在预测精度上有明显的提升，能很好解决风电功率预测精度不高的问题。