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 WANG Rui;RAN Feng;LU Jing

作者机构：河南理工大学电气工程与自动化学院河南焦作454000 河南理工大学计算机科学与技术学院河南焦作454000 

出 版 物：《湖南大学学报（自然科学版）》 (Journal of Hunan University:Natural Sciences)

年 卷 期：2022年第49卷第8期

页      面：128-137页

核心收录：

学科分类：080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 

基　　金：河南省科技攻关项目(222102210120) 

主　　题：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 

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.