基于MIC-IVMD-LSTM的超短期风电功率预测OA
为获取风电功率的时间细节特征,提高风电功率预测精度,本文提出基于MIC-IVMD-LSTM的风电功率预测模型.首先,使用最大互信息数算法选取特征参数,选择最大互信息系数前三的风速、风向和气压作为在后续预测过程中输入的特征变量,降低特征维度.其次,使用改进的变分模态分解(Variational Modal Decomposition,VMD)分解风电功率序列,获取最佳的模态分解数.最后,使用LSTM模型进行超短期风电功率预测.实例分析表明,基于MIC-IVMD-LSTM的风电功率预测模型能够有效提高风电功率预测精度,为电网调度提供科学依据.
冯芝丽;陈健
湖南环境生物职业技术学院,湖南 衡阳 421001湖南交通工程学院,湖南 衡阳 421009
动力与电气工程
风电功率预测最大互信息系数改进的VMDLSTM
《中国新技术新产品》 2024 (013)
5-8 / 4
湖南环境生物职业技术学院校情专项课题"大数据技术专业人才培养方案建设研究"(项目编号:XQ2023-60).
评论