|
|||||
|
|
| 基于IEWT-FE-BO-LSTM模型的超短期风功率预测 | |
| 作者姓名： | 陆秋贤 马刚 涂孟夫 |
| 作者单位： | 南京师范大学电气与自动化工程学院,江苏南京210023;南瑞集团有限公司,江苏南京211106 |
| 基金项目： | 2020年江苏省重点研发计划(BE2020081-4); |
| 摘 要： | 为提高超短期风功率预测精度,提出一种基于IEWT-FE-BO-LSTM的组合风功率预测模型,首先利用改进经验小波分解(IEWT)对历史风功率数据进行分解;然后引入模糊熵(FE)算法对各分解子模态进行复杂度计算重组子模态;再对各个重组分量分别建立基于长短时神经网络(LSTM)的预测模型,利用贝叶斯优化算法(BO)进行超参数组合,解决人为调参导致训练结果不佳的问题;最后通过历史风电场数据进行算例分析。结果表明,IEWT-FE-BO-LSTM模型对超短期风功率有较高的预测精度和预测效率。 |
| 关 键 词： | 超短期风功率预测 改进经验小波分解 模糊熵 贝叶斯优化算法 |
| 本文献已被 万方数据 等数据库收录！ | |