基于VMD-SSA及误差补偿的风电功率超短期预测

TM614; 风电功率随机性强、规律性差等非线性特征导致风电功率难以被准确预测,为了解决这一问题,提出一种结合变分模态分解、奇异谱分析、长短期记忆网络和高斯过程回归的风电功率超短期预测方法.利用奇异谱分析算法优化变分模态分解后的模态分量,提取了数据中的趋势性,降低了风电数据的随机波动性.引入高斯过程回归算法,可对长短期记忆网络的预测结果进行误差补偿,进一步提高预测的精度.以西北某风电场的实测数据为例进行仿真分析,结果表明,该模型能提取风电序列的非线性特征,有效表征风电功率的时序性,增强了预测的效果,提高了预测的精度....

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	福建工程学院学报 2023, Vol.21 (6), p.573-579
Hauptverfasser:	朱希, 林俊德, 施翔宇, 林金阳
Format:	Artikel
Sprache:	chi
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Beschreibung
Zusammenfassung:	TM614; 风电功率随机性强、规律性差等非线性特征导致风电功率难以被准确预测,为了解决这一问题,提出一种结合变分模态分解、奇异谱分析、长短期记忆网络和高斯过程回归的风电功率超短期预测方法.利用奇异谱分析算法优化变分模态分解后的模态分量,提取了数据中的趋势性,降低了风电数据的随机波动性.引入高斯过程回归算法,可对长短期记忆网络的预测结果进行误差补偿,进一步提高预测的精度.以西北某风电场的实测数据为例进行仿真分析,结果表明,该模型能提取风电序列的非线性特征,有效表征风电功率的时序性,增强了预测的效果,提高了预测的精度.
ISSN:	1672-4348
DOI:	10.3969/j.issn.1672-4348.2023.06.010