基于EEMDSE-ILSTM的风电场超短期风速预测

摘要：

不可再生资源的枯竭推动着新能源的发展,风电作为目前风能利用的主要形式得到了大面积推广.但风速非线性、非平稳性、时序性的特点对风机本身和电力系统都会产生不利的影响,因此精准的风速预测已经成为亟待解决的关键课题.基于组合预测方法,提出了一种EEMDSE—ILSTM风速预测模型.该模型利用集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)将风速数据分解为若干个分量数据集,并通过样本熵对各分量进行筛选以简化数据.将改进的鲸鱼算法与长短期记忆网络(Long Short-Term Memory,LSTM)结合,无监督生成合适的模型预测参数.在预测时依次对每个分量数据预测并将结果累加获得最终预测值.仿真结果表明,该模型与其他方法比较,显示出较好的预测精度和泛化性能.

关键词：集合经验模态分解(EEMD);样本熵;风速预测;改进的鲸鱼优化算法(IWOA);长短期记忆网络(LSTM)

所属期刊栏目：57

分类号：TM614;TP391(发电、发电厂)

资助基金：国家自然科学基金;湖南省自然科学基金;湖南省教育厅资助项目

在线出版日期：2021-11-26（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：288-294