%0 Journal Article %A 易灵芝 %A 王仕通 %A 易芳 %A 邓栋 %A 易志敏 %A 姜鹏 %T 基于EEMDSE-ILSTM的风电场超短期风速预测 %D 2021 %R 10.3778/j.issn.1002-8331.2007-0087 %J 计算机工程与应用 %P 288-294 %V 57 %N 22 %X

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。

%U http://cea.ceaj.org/CN/10.3778/j.issn.1002-8331.2007-0087