Для решения проблемы низкой точности прогнозирования мощности ветра из-за неопределенности и изменчивости скорости ветра была предложена комбинированная модель VMD-ISSA-GRU на основе вариационного модального разложения (VMD), улучшенного алгоритма поиска мелий (ISSA) и управляемой рекуррентной нейронной сети (GRU). Во-первых, с использованием метода центральной частоты было установлено количество модальных компонентов VMD для избежания избыточного разложения или недостаточного разложения. Во-вторых, было введено использование хаоса, нелинейное взвешивание и стратегия мутации для улучшения алгоритма поиска мелий с целью оптимизации управляемой рекуррентной нейронной сети, затем была построена прогностическая модель ISSA-GRU для каждого декомпозированного подпоследовательности, и, наконец, были накладываны предсказанные значения для каждой подпоследовательности для получения окончательного предсказанного значения. Эта модель применялась для фактического прогнозирования мощности ветра, и экспериментальные результаты показали, что комбинированная модель VMD-ISSA-GRU имеет среднюю абсолютную ошибку, среднюю относительную ошибку и среднеквадратичную ошибку соответственно 1,2118 МВт, 1,8900 и 1,5916 МВт. По сравнению с традиционными cетями GRU, нейронная сеть долгой кратковременной памяти (LSTM), двунаправленная нейронная сеть долгой кратковременной памяти (BiLSTM) и другими комбинированными моделями на прогностической точности имеет явное улучшение и хорошо решает проблему низкой точности прогнозирования мощности ветра

Прогноз мощности ветра;Вариационное модальное разложение;Улучшенный алгоритм поиска мелий;Управляемая рекуррентная нейронная сеть;Сверхпараметры