基于相空间重构的门控循环网络短期风速预测模型

摘要：

高精度的短期风速预测在一定程度上可以提高风资源评估的准确度,但因风速高度随机性导致预测难度较大,为了提升风速预测的精度,首先对风速混沌特性进行分析,验证其是否具有混沌特性,在此基础上提出一种基于变分模态分解(VMD)、相空间重构(PSR)和门控循环神经网络(GRU)相结合的短期风速预测模型.将原始风速数据通过VMD分解为若干子序列并对各子序列进行PSR技术优化处理,可以使样本更加符合实际风速的变化,起到对风速降噪的作用;接着用处理过的各子序列对GRU预测模型训练并预测,最后求和得出风速预测结果.以上海某地为例,将预测结果与实际风速值进行对比分析,分析结果表明:所建模型能有效提高风速预测精度,在预测准确度上优于单一预测模型,验证了所提模型的有效性和合理性.

关键词：风速预测、混沌特性、风资源评估、变分模态分解、相空间重构、门控循环网络、数据预处理、预测模型

所属期刊栏目：45

分类号：TN919.5-34;TM614

资助基金：新疆维吾尔自治区自然科学基金2020D01C031

在线出版日期：2022-08-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：93-98