二次分解组合LSTM的短期风电功率预测模型
随着风电在电力系统中的占比逐步提高,风电功率的精确预测对电力系统的安全稳定运行具有重要意义.然而,风电的随机性和间歇性极大地影响其功率的精确预测.为此,提出二次分解组合长短期记忆(LSTM)的短期风电功率预测模型.首先,采用经验模态分解(EMD)技术将原始风电序列分解为若干固有模态分量;再采用样本熵(SE)技术将各分量重组为高、中、低频3个序列,针对高频模态混叠再次采用麻雀搜索算法-变分模态分解(SSA-VMD)二次分解技术;最后,采用SSA算法对LSTM的参数进行寻优并完成风电功率预测.以湖北省某风电场对所提模型进行验证,并与其他模型进行对比.结果表明,所提模型的平均绝对误差(MAE)为5.79 kW,均方根误差(RMSE)为5.64 kW,平均百分比误差(MAPE)为17.38%,具有更好的预测精度.
风电功率预测、经验模态分解、变分模态分解、麻雀搜索算法、长短期记忆
43
TN2(光电子技术、激光技术)
国家自然科学基金52107108
2024-02-27(万方平台首次上网日期,不代表论文的发表时间)
共7页
87-93