基于集合经验模态分解和套索算法的短期风速组合变权预测模型研究

被引：21

作者：

杨磊 ^{[1
]}

黄元生 ^{[1
]}

张向荣 ^{[2
]}

董玉琳 ^{[2
]}

高冲 ^{[2
]}

机构：

[1] 华北电力大学(北京)

[2] 华北电力大学(保定)

来源：

电力系统保护与控制 | 2020年 / 48卷 / 10期

关键词：

短期风速预测; 集合经验模态分解; 套索算法; 广义回归神经网络; 长短期记忆; 遗传算法;

D O I：

暂无

中图分类号：

TM614 [风能发电];

学科分类号：

080811 [新能源发电与电能存储];

摘要：

准确的风速预测对风电场实现平稳出力具有重要意义。为提高短期风速预测精度,提出一种基于集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)、套索算法(Least Absolute Shrinkage and Selection Operator, LASSO)、遗传算法(Genetic Algorithm, GA)、广义回归神经网络(General Regression Neural Network, GRNN)和长短期记忆模型(Long Short-Term Memory,LSTM)的短期风速变权组合预测模型(Variable Weighted Hybrid Model, VWHM)。首先运用集合经验模态分解技术,将原始风速时间序列分解成多个不同的子序列。然后运用套索算法对各个子序列的数据变量进行筛选,提取代表性变量作为预测输入。最后利用GA的全局优化能力,对由GRNN和LSTM构成的组合预测模型的权重系数进行移动样本自适应变权求解,并加权得到最终预测结果。仿真结果表明,所提的变权组合模型比单一模型以及传统组合模型具有更高的预测精度,且在风速预测中具有优越性。

引用

页码：81 / 90

页数：10

共 27 条

[1]

Wind speed forecasting approach based on Singular Spectrum Analysis and Adaptive Neuro Fuzzy Inference System.[J].Sinvaldo Rodrigues Moreno;Leandro dos Santos Coelho.Renewable Energy.2018,

[2]

Smart deep learning based wind speed prediction model using wavelet packet decomposition; convolutional neural network and convolutional long short term memory network.[J].Hui Liu;Xiwei Mi;Yanfei Li.Energy Conversion and Management.2018,

[3]

Short-term wind power forecasting using a double-stage hierarchical ANFIS approach for energy management in microgrids [J].