基于CEEMDAN-IDOA-BiLSTM的超短期风电功率预测 |
| |
作者姓名: | 欧旭鹏 唐云 张凯 任涛 王媛媛 |
| |
作者单位: | 1. 华能华家岭风力发电有限公司;2. 沈阳化工大学装备可靠性研究所 |
| |
基金项目: | 辽宁省教育厅项目(LJKZ0462) |
| |
摘 要: | 准确可靠的风电功率预测对电力系统调度、风电场的效益和电网的安全稳定运行具有重要意义。为了提高超短期风电功率预测的准确性,提出了一种基于自适应噪声完备经验模态分解(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN)和改进野狗优化算法(improved dog optimization algorithm, IDOA)优化双向长短时记忆网络(bi-directional long short-term memory, BiLSTM)的组合模型预测超短期风电功率方法。该方法先采用CEEMDAN分解方法将原始的数据分解来降低原始数据的复杂性和不稳定性,将分解后的所有序列进行偏自相关方法分析,选出重要性较大序列作为IDOA-BiLSTM模型的输入,最后通过IDOA-BiLSTM模型进行超短期风电功率预测。采用甘肃某风电场实测数据为数据集,进行训练模型和预测分析,结果表明所提出的超短期风电功率预测模型具有较高的预测精度,具备实际应用的可行性。
|
关 键 词: | 超短期风电功率预测 CEEMDAN IDOA-BiLSTM 深度学习 |
The Ultra Short Term Wind Power Prediction Based on CEEMDAN-IDOA-BiLSTM |
| |
Authors: | OU Xupeng TANG Yun ZHANG Kai REN Tao WANG Yuanyuan |
| |
Abstract: | |
| |
Keywords: | |
|
| 点击此处可从《》浏览原始摘要信息 |
|
点击此处可从《》下载全文 |