基于游程判别法和VMD残差修正的风电功率预测

• 作者: 王瑞 冉锋 逯静
• 来源期刊: 湖南大学学报（自然科学版）
• 关键词: 风电功率 长短时记忆神经网络 自回归滑动平均模型 残差 麻雀搜索算法
• 年，卷（期）: 2022,（8）
• 所属期刊栏目: 电气与信息工程
• 页码范围: 128-137
• 页数: 9页
• 分类号: TM715
• 语种: 中文
• DOI: 10.16339/j.cnki.hdxbzkb.2022232

摘要

为了提高风电功率预测准确性，提出一种基于频率游程判别法和变分模态分解（VMD）残差修正的风电功率超短期预测模型.采用变分模态分解将原始风电功率序列分解，得到一系列不同中心频率的子序列，再利用序列之差提取残差序列，残差序列继承原始序列噪声分量与分解被屏蔽的真实分量，呈现波动性大，非线性复杂和不平稳的特点，采用t-SSALSTM模型并结合天气特征进行预测.利用频率游程判别法把子序列划分为低频分量类和高频分量类：低频分量呈现线性平稳的特点，采用自适应t分布麻雀搜索算法（t-SSA）优化自回归滑动平均模型（ARIMA）预测；高频分量具有波动性大且复杂的特点，采用t-SSA优化长短时记忆神经网络（LSTM）进行预测.将不同序列的预测结果线性叠加得到风电功率预测结果 .将该模型应用于国内某风电发电厂的风电功率预测中，试验结果表明，该模型能有效提高预测精度.