| 基于CEEMD-CNN-BiGRU-RF模型的短期风电功率预测 |
| |
| 引用本文： | 曾亮,狄飞超,兰欣,王珊珊. 基于CEEMD-CNN-BiGRU-RF模型的短期风电功率预测[J]. 可再生能源, 2022, 0(2) |
| |
| 作者姓名： | 曾亮 狄飞超 兰欣 王珊珊 |
| |
| 作者单位： | 湖北工业大学电气与电子工程学院;湖北工业大学 |
| |
| 基金项目： | 国家自然科学基金项目(51977061;61903129);湖北省重点研发计划项目(2020BAB114)。 |
| |
| 摘 要： | 风电功率的准确预测对电网的安全运行和经济调度起着重要作用,为进一步提高风电功率的预测精度,文章提出了一种基于CEEMD-CNN-BiGRU-RF模型的短期风电功率预测模型。首先,利用完全集成经验模态分解(CEEMD)对风电功率时间序列进行模态分解;其次,对分解的各个风电功率时间序列利用卷积神经网络(CNN)进行特征提取;再次,建立双向门控循环单元(Bi GRU)模型对各个风电功率时间序列进行预测,叠加各个分量的预测值;最后,对误差进行进一步分析与预测,利用随机森林(RF)进行误差修正,得到最终的风电功率预测值。实验仿真表明,该模型的预测效果明显优于传统模型,模型的平均绝对百分比误差(MAPE)仅为2.09%。
|
| 关 键 词： | 风电功率预测 完全集成经验模态分解 卷积神经网络 双向门控循环单元 随机森林 |
Short-term wind power prediction based on CEEMD-CNN-BiGRU-RF model |
| |
| Zeng Liang,Di Feichao,Lan Xin,Wang Shanshan. Short-term wind power prediction based on CEEMD-CNN-BiGRU-RF model[J]. Renewable Energy(China), 2022, 0(2) |
| |
| Authors: | Zeng Liang Di Feichao Lan Xin Wang Shanshan |
| |
| Affiliation: | (School of Electrical and Electronic Engineering,Hubei University of Technology,Wuhan 430068,China;Hubei Key Laboratory of Solar Energy Efficient Utilization and Energy Storage Operation Control,Hubei University of Technology,Wuhan 430068,China) |
| |
| Abstract: | |
| |
| Keywords: | wind power predict complete ensemble empirical mode decomposition convolutional neural network bidirectional gated recurrent unit random forest |
| 本文献已被 维普 等数据库收录！ |
|
