基于VMD和LSTM的超短期风速预测

• 作者: 周昔东 张凯 李霞 王俊
• 来源期刊: 电力系统保护与控制
• 关键词: 超短期风速预测 变分模态分解 固有模态分量 去噪 长短期记忆网络
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 理论分析
• 页码范围: 45-52
• 页数: 8页
• 字数: 3726字
• 语种: 中文
• DOI: 10.19783/j.cnki.pspc.190860

摘要

风速具有非线性、非平稳性以及随机性等特点.为提高超短期风速预测精度,提出一种基于变分模态分解(VMD)和长短期记忆网络(LSTM)的超短期风速预测新方法.首先利用变分模态方法将风速序列分解成一系列不同的子模态以降低原始数据的复杂度和非平稳性对预测精度的影响.再对得到的风速子模态分别建立LSTM模型,进行超前1步风速预测.最后叠加各子模态的预测结果得到最终预测风速.对比分析结果显示,该模型的预测精度优于其他多种典型风速预测模型,该模型在超短期风速预测方面表现出较好的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李霞	重庆交通大学河海学院	21	47	3.0	6.0
2	王俊	重庆交通大学河海学院	10	11	1.0	3.0
3	张凯	重庆交通大学河海学院	27	94	7.0	9.0
4	周昔东	重庆交通大学航运与船舶工程学院	7	2	1.0	1.0