基于VMD-CNN-LSTM模型的短期风电功率预测

风电功率的精准预测是提高风电并网稳定性的重要手段之一。针对气象特征复杂性与随机性引起风电功率难以精准预测的问题，提出了一种基于VMD-CNN-LSTM的短期风电功率预测模型。该模型总体结构包括多气象特征序列变分模态分解（VMD）与重构、卷积神经网络（CNN）挖掘多气象特征信息、长短期记忆网络（LSTM）预测结果输出、泛化能力分析。与目前仅考虑分解历史风电功率序列分别建立预测模型方法相比，本文所提出的VMD方法物理意义明确，能够跟踪气象特征预测未来风电功率趋势。在某风电场的实际数据上进行验证，算例结果表明：该模型预测结果精度较高，降低了多气象特征因素对预测结果的影响，具有一定的实用性。