基于小波变换和LSTM的短期风速预测研究

• 作者: 王耀庆 孙建平 李冰 曹弘
• 来源期刊: 计算机仿真
• 关键词: 短期风速预测 小波变换 长短期记忆网络 自回归滑动平均模型
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 仿真服务化
• 页码范围: 438-443
• 页数: 6页
• 分类号: TM614
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2021.02.092

摘要

可靠准确的短期风速预测有利于电网安全稳定的运行.由于风速具有显著的随机性且受多种因素影响,难以达到令人满意的预测精度.为了提高预测精度,提出了一种新型混合预测模型.在提出的预测模型中,利用小波变换(WT)将原始风速序列分解为低频和高频子序列,利用长短期记忆(LSTM)网络和自回归滑动平均(ARMA)模型分别预测低频和高频子序列.最后,利用河北省某风电厂收集的风速数据对模型进行了验证,并与7种不同的预测模型进行了性能比较.实验结果表明,所提出的预测模型在预测精度方面优于其它模型,在短期风速预测中具有令人满意的性能.