基于组合模态分解和深度学习的短期风电功率区间预测
风电功率预测对含风电的电力系统经济调度十分重要.针对点预测难以描述风电功率不确定性的问题,提出一种基于组合模态分解和深度学习的短期风电功率区间预测方法.首先,利用改进自适应噪声完备集合经验模态分解将原始风电功率序列分解为多个模态分量,并使用变分模态分解对其中的高频强非平稳分量再次分解.在此基础上,使用样本熵计算各分量复杂度并将其重构为趋势分量、振荡分量和随机分量.然后,将3个分量分别输入经贝叶斯优化的双向长短期记忆神经网络建立各自的预测模型,得到3个分量的点预测值,并用混合核密度估计方法对振荡分量和随机分量预测结果的误差分布进行估计,再结合点预测值得到总体的区间预测结果.最后,通过实际算例分析表明,与其他模型相比该方法具有更高的预测精度.
风电功率预测、长短期记忆、深度学习、区间预测、经验模态分解、核密度估计
47
TM73;TM614;TH133.33
2023-11-03(万方平台首次上网日期,不代表论文的发表时间)
共8页
110-117