基于二次分解和深度学习的短期风电功率预测

刘 　闯, 高 锦锦, 郭 泽航
华北水利水电大学

摘要


针对风电功率预测中的随机性和波动性，本文提出一种基于二次模态分解、样本熵及深度学习的超短期风
电功率预测方法。首先，通过模态分解技术对风电功率时间序列进行二次分解，以克服一次模态分解导致的高频非
平稳分量问题。其次，应用样本熵重构三个具有典型特征的子分量，并结合卷积神经网络优化的双向长短期记忆网
络（CNN-BiLSTM）进行预测。通过与传统预测模型的对比分析，结果显示所提出模型在预测精度上显著优于其他
模型，能够有效捕捉风电功率变化趋势，并显著减少数据随机性和波动性对预测结果的影响，表明该方法在实现国
家“双碳”目标中的潜在应用价值。

关键词


风电功率预测；模态分解；CNN-BiLSTM

全文:

PDF


参考


[1]中华人民共和国国务院新闻办公室.新时代的中

国能源发展.[2020-12-21].

[2]龚莺飞，鲁宗相，乔颖，等.光伏功率预测技术

[J].电力系统自动化，2016，40（04）：140-151.张天任.基

于混合深度学习的短期风光功率预测及不确定性分析

[D].[硕士学位论文].郑州：华北水利水电大学，2021.

[3]慎慧强.基于混合预测模型的风光短期功率预测

及不确定性分析[D].[硕士学位论文].郑州：华北水利水

电大学，2022.

[4]曹景胜于洋王琦等.基于优化VMD-CNNBiLSTM的电机轴承智能故障诊断研究[J].现代电子技

术，2024，47（12）：115-121.DOI：10.16652/j.issn.1004-

373x.2024.12.020.

[5]张德文，张健，曲利民，等.基于PSO-ELM的

变压器油纸绝缘状态无损评估方法[J].电力工程技术，

2024，43（03）：201~208.

[6]茆美琴，龚文剑，张榴晨，等.基于EEMD-SVM

方法的光伏电站短期出力预测[J].中国电机工程学报，

2013，33（34）：17-24.

[7]Gu B, Zhang T, Meng H, etc. Short-term forecasting

and uncertainty analysis of wind power based on long shortterm memory, cloud model and non-parametric kernel

density estimation[J]. 2021.

[8]赵泽妮，云斯宁，贾凌云等.基于统计模型的短

期风能预测方法研究进展[J].太阳能学报，2022，43（11），

224~234.

[9]李溪，胡梦浩，冯耀冬.一种新型日前光伏功率

概率区间预测方法研究[J].自动化应用，2023，64（03）：

71-74+78.

[10]朱琼锋，李家腾，乔骥，等.人工智能技术在

新能源功率预测的应用及展望[J].中国电机工程学报，

2023，43（08）：3027-3048.DOI：10.13334/j.0258-8013.

pcsee.213114.




DOI: http://dx.doi.org/10.12361/2661-3506-06-08-137273

Refbacks

  • 当前没有refback。