二次分解组合LSTM的短期风电功率预测模型

作     者：杨生鹏 文中 丁剑 张开伟 张业伟 倪志 Yang Shengpeng;Wen Zhong;Ding Jian;Zhang Kaiwei;Zhang Yewei;Ni Zhi

作者机构：三峡大学电气与新能源学院宜昌443002 上海勘测设计研究院有限公司上海200434 

出 版 物：《国外电子测量技术》 (Foreign Electronic Measurement Technology)

年 卷 期：2024年第43卷第1期

页      面：87-93页

学科分类：080901[工学-物理电子学] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 0803[工学-光学工程] 

基　　金：国家自然科学基金(52107108)项目资助 

主　　题：风电功率预测 经验模态分解 变分模态分解 麻雀搜索算法 长短期记忆 

摘      要：随着风电在电力系统中的占比逐步提高,风电功率的精确预测对电力系统的安全稳定运行具有重要意义。然而,风电的随机性和间歇性极大地影响其功率的精确预测。为此,提出二次分解组合长短期记忆(LSTM)的短期风电功率预测模型。首先,采用经验模态分解(EMD)技术将原始风电序列分解为若干固有模态分量;再采用样本熵(SE)技术将各分量重组为高、中、低频3个序列,针对高频模态混叠再次采用麻雀搜索算法-变分模态分解(SSA-VMD)二次分解技术;最后,采用SSA算法对LSTM的参数进行寻优并完成风电功率预测。以湖北省某风电场对所提模型进行验证,并与其他模型进行对比。结果表明,所提模型的平均绝对误差(MAE)为5.79 kW,均方根误差(RMSE)为5.64 kW,平均百分比误差(MAPE)为17.38%,具有更好的预测精度。