風速の不確実性と変動性による風力発電の電力予測の精度の低さを解決するために、変分モード分解（VMD）、改良スズメ探索アルゴリズム（ISSA）、およびゲート制御リカレントニューラルネットワーク（GRU）に基づくVMD-ISSA-GRU組み合わせモデルを提案する。まず、VMD分解後のモード成分の数を中心周波数法を用いて決定することにより、過度の分解や分解不足を有効に避ける。次に、カオスマッピング、非線形減衰ウェイト、および突然変異戦略を導入して、スズメ探索アルゴリズムを改善し、ゲート制御リカレントニューラルネットワークを最適化に利用し、その後、分解された各部分列にISSA-GRU予測モデルを構築し、最後に各部分列の予測値を重ね合わせて最終的な予測値を得る。このモデルを実際の風力発電の電力予測に使用すると、実験結果は次のとおりです：VMD-ISSA-GRU組み合わせモデルの平均絶対誤差、平均絶対パーセンテージ誤差、平均二乗誤差はそれぞれ1.2118 MW、1.8900および1.5916 MW；伝統的なGRU、LSTM（長期・短期記憶）ニューラルネットワーク、双方向LSTM（BiLSTM）ニューラルネットワークモデルや他の組み合わせモデルと比較して、予測精度が著しく向上し、風力発電の電力予測の精度問題をうまく解決できる

風力発電の電力予測;変分モード分解;改良スズメ探索アルゴリズム;ゲート制御リカレントニューラルネットワーク;ハイパーパラメータ