基于SSA-VMD-LSTM-NKDE的短期风电功率概率预测

TM614; 为进一步提高风电功率预测精度,提出一种基于麻雀搜索算法(SSA)优化 VMD参数的组合预测方法.首先,使用麻雀搜索算法对VMD参数进行优化,并利用优化后的 VMD对数据进行分解;其次,结合灰色关联分析法和熵权法对环境变量进行相关性分析,选择相关性最高的影响因素与分解得到的各模态分量组合作为LSTM预测模型的输入,获得更为精确的预测结果;最后,建立基于非参数核密度估计(NKDE)的风电功率概率预测模型,实现对风电功率预测结果不确定性的有效量化.结果表明,所提组合模型的 MAE,RMSE 和 MAPE 比 VMD-LSTM模型的分别下降了 39.51%,33.22%和 40.39%....

Full description

Saved in:
Bibliographic Details
Published in河北科技大学学报 Vol. 44; no. 4; pp. 323 - 334
Main Authors 高晓芝, 郭旺, 郭英军, 宋静冉, 孙鹤旭
Format Journal Article
LanguageChinese
Published 河北科技大学电气工程学院,河北石家庄 050018%河北科技大学电气工程学院,河北石家庄 050018 2023
国网河北省电力有限公司任丘市供电分公司,河北任丘 062550
Subjects
熵权法
灰色关联分析
组合预测模型
grey relational analysis
麻雀搜索算法
variational mode decomposition
变分模态分解
entropy weight method
combined prediction mode
wind energy
sparrow search algorithm
风能
Online AccessGet full text
ISSN1008-1542
DOI10.7535/hbkd.2023yx04001

Cover

More Information
Summary:TM614; 为进一步提高风电功率预测精度,提出一种基于麻雀搜索算法(SSA)优化 VMD参数的组合预测方法.首先,使用麻雀搜索算法对VMD参数进行优化,并利用优化后的 VMD对数据进行分解;其次,结合灰色关联分析法和熵权法对环境变量进行相关性分析,选择相关性最高的影响因素与分解得到的各模态分量组合作为LSTM预测模型的输入,获得更为精确的预测结果;最后,建立基于非参数核密度估计(NKDE)的风电功率概率预测模型,实现对风电功率预测结果不确定性的有效量化.结果表明,所提组合模型的 MAE,RMSE 和 MAPE 比 VMD-LSTM模型的分别下降了 39.51%,33.22%和 40.39%.SSA-VMD-LSTM-NKDE组合模型不仅能够有效提高确定性预测的精度,而且还能够实现对风电功率预测结果不确定性的有效量化,为风电功率预测提供了科学决策依据.
ISSN:1008-1542
DOI:10.7535/hbkd.2023yx04001