基于VMD-CNN-LSTM模型的短期风电功率预测 |
| |
作者姓名: | 李润金 李丽霞 |
| |
作者单位: | 1. 沈阳工程学院电力学院;2. 沈阳工程学院自动化学院 |
| |
摘 要: | 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。
|
关 键 词: | 短期风电功率预测 经验模态分解 卷积神经网络 长短期记忆网络 |
|