Key points are not available for this paper at this time.
ملخص توفر الطاقة من مصادر الطاقة المتجددة هو جزء مهم من شبكات الطاقة الحديثة. هناك حاجة إلى طرق قوية للتنبؤ بالإنتاج لتحقيق التوازن بين الإنتاج والطلب لتجنب الخسائر. اقترحت هذه الدراسة نهجًا يتضمن تقنيات تفكيك الإشارات مع الشبكات العصبية طويلة وقصيرة الأجل (LSTM) التي تم تحسينها عبر خوارزمية استكشافية معدلة تُستخدم لتوقع توليد الطاقة من الرياح. تعمل شبكات LSTM بشكل جيد جدًا عند التعامل مع توقعات السلاسل الزمنية، ويمكن أن يساعد تحسين المعلمات الفائقة باستخدام نسخة معدلة من خوارزمية البحث عن الزواحف (RSA) على تحسين الأداء. تم تقييم RSA المعدلة أولاً مقابل المعايير القياسية لـ CEC2019 قبل تطبيقها على التحدي العملي. تم اختبار نموذج LSTM المعدل المقترح مقابل مجموعتين من بيانات إنتاج الرياح ذات الدقة الزمنية بالساعة. تم تنفيذ التنبؤات بدون ومع تفكيك الإشارات لخطوات واحدة واثنتين وثلاث خطوات للأمام. تم مقارنة نتائج المحاكاة بشبكات LSTM المعدلة بواسطة خوارزميات استكشافية متطورة أخرى. لوحظ أن المنهجية المقدمة تتفوق بشكل ملحوظ على المتنافسين الآخرين، كما تم تأكيد ذلك لاحقًا من خلال التحليل الإحصائي. أخيرًا، تقدم هذه الدراسة أيضًا تفسيرات لأفضل النماذج أداءً على كلا مجموعتي البيانات المراقبة، مصحوبة بتحليل لأهمية وتأثير كل ميزة على التنبؤات.
دراسة بافلوف وآخرون (Mon,) لهذا السؤال.