首页 | 本学科首页   官方微博 | 高级检索  
     

融合残差与VMD-ELM-LSTM的短期风速预测
引用本文:张琰妮,史加荣,李津,云斯宁.融合残差与VMD-ELM-LSTM的短期风速预测[J].太阳能学报,2023(9):340-347.
作者姓名:张琰妮  史加荣  李津  云斯宁
作者单位:1. 西安建筑科技大学理学院;2. 西安建筑科技大学材料科学与工程学院
基金项目:国家重点研发计划(2018YFB1502902);;陕西省自然科学基金(2021JM-378);
摘    要:准确可靠的风速预测有利于维护电力系统的安全运行。为提高预测精度,本文提出一种融合残差与变分模态分解(VMD)、极限学习机(ELM)、长短时记忆(LSTM)的短期风速预测模型。首先,VMD算法将风速序列分解为若干个子序列以降低原始数据复杂度。接着将ELM作为初始预测引擎,用来提取各风速子序列特征。然后,对所有预测子序列进行重构,得到初步预测结果。为进一步挖掘原始风速序列中的不平稳特征,采用LSTM对初步预测结果的残差进行建模。最后,集成预测的残差与初步结果,得到最终的预测值。在真实风电场数据上开展实验,并将预测结果与其他模型对比。实验结果表明,所提模型能显著提升风速序列的预测性能。

关 键 词:风力发电  风速预测  变分模态分解  长短时记忆  极限学习机  残差序列
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号