组合两步分解和ARIMA-LSTM的短期风速预测研究 |
| |
作者姓名: | 陈蕻峰 王贺 李岩 熊敏 |
| |
作者单位: | 1. 北京林业大学工学院;2. 南方电网能源发展研究院有限责任公司;3. 美国田纳西大学电气与计算机科学系 |
| |
基金项目: | 中央高校基本业务费(BLX2014-05); |
| |
摘 要: | 为提高风速序列预测精度,提出一种基于两步分解的短期风速组合预测模型,首先使用鲁棒经验模态分解(REMD)将风速数据分解为不同频率的子序列,然后将REMD分解得到的高频模态分量使用小波包分解(WPD)进行第二步分解,降低风速序列不稳定性,提高其可预测性。其次对分解得到的高频子序列建立长短期记忆神经网络(LSTM)预测模型,低频子序列建立差分自回归移动平均模型(ARIMA)预测模型。最后叠加子序列预测结果得到风速预测结果。通过两组不同风速数据集的实验对该模型的性能进行科学评估,模型预测结果的平均绝对误差分别为0.3026、0.1255;均方根误差分别为0.498、0.1607。与其他几种对比预测模型相比,验证该模型具有一定的优越性。
|
关 键 词: | 风速 神经网络 统计方法 两步分解 鲁棒经验模态分解 组合预测 |
|