计算机工程与应用

2021, v.57;No.989(22) 288-294

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于EEMDSE-ILSTM的风电场超短期风速预测
Wind Farm Ultra-Short-Term Wind Speed Prediction Based on EEMDSE-ILSTM

易灵芝;王仕通;易芳;邓栋;易志敏;姜鹏;

摘要(Abstract):

不可再生资源的枯竭推动着新能源的发展,风电作为目前风能利用的主要形式得到了大面积推广。但风速非线性、非平稳性、时序性的特点对风机本身和电力系统都会产生不利的影响,因此精准的风速预测已经成为亟待解决的关键课题。基于组合预测方法,提出了一种EEMDSE—ILSTM风速预测模型。该模型利用集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)将风速数据分解为若干个分量数据集,并通过样本熵对各分量进行筛选以简化数据。将改进的鲸鱼算法与长短期记忆网络(Long Short-Term Memory,LSTM)结合,无监督生成合适的模型预测参数。在预测时依次对每个分量数据预测并将结果累加获得最终预测值。仿真结果表明,该模型与其他方法比较,显示出较好的预测精度和泛化性能。

关键词(KeyWords): 集合经验模态分解(EEMD);样本熵;风速预测;改进的鲸鱼优化算法(IWOA);长短期记忆网络(LSTM)

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金(61572416);; 湖南省自然科学基金(2016JJ5033);; 湖南省教育厅资助项目(17C1535)

作者(Author): 易灵芝;王仕通;易芳;邓栋;易志敏;姜鹏;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享