| 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 |
