基于CEEMDAN-ISSA-BiLSTM的风电功率组合预测模型

摘要：

针对风电功率存在间歇性、非线性和波动性而难以准确预测的问题,提出一种遵循"序列分解-网络预测-序列重构"的风电功率预测模型.针对风电场集群中的不同风电机组出力特性曲线,使用迭代自组织数据分析聚类算法(ISODATA)聚类得到典型出力曲线;利用自适应噪声完全集成经验模态分解(CEEMDAN)算法对聚类得到的原始风电序列数据进行模态分解,减少数据波动所带来的预测误差;建立各模态分量的双向长短期记忆网络(BiLSTM)预测模型,并使用改进麻雀搜索算法(ISSA)优化网络参数,再将各模态分量的预测结果叠加得到风电功率的最终预测结果.算例结果表明,所提预测模型的预测精度相比其他对比模型更高,且有着更好的泛化能力.

关键词：风电功率预测、自适应噪声完全集成经验模态分解、双向长短期记忆网络、改进麻雀搜索算法

分类号：TM614(发电、发电厂)

在线出版日期：2023-11-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：26-32