基于VMD-BA-LSTM的短期风向预测研究

摘要：

准确的风电场风向预测对制定偏航控制策略、提高发电量及风电机组稳定运行具有重要意义.针对风向的随机性和不确定性的特点,提出一种变分模态分解(VMD)和蝙蝠算法(BA)优化长短期记忆(LSTM)神经网络的短期风向预测模型.首先,采用变分模态分解将原始序列分解为多个有限带宽的特征模态分量以降低原始数据的复杂度和非平稳性对预测精度的影响,然后将各分量分别建立BA-LSTM模型进行预测,最后将各分量预测结果叠加得到风向值,结合河北某风场的实测数据进行多时间尺度的风向预测.实验结果表明,本文所提方法相比于LSTM和最小二乘支持向量机(LSSVM)预测方法提高了预测精度,对后续研究偏航系统的最优调节提供了支持.

关键词：风向预测、变分模态分解、蝙蝠算法(BA)、长短期记忆(LSTM)神经网络、多时间尺度

所属期刊栏目：31

分类号：TP391;TH133.33;TM715

资助基金：河北省重点研发计划;河北省重点研发计划;河北省科技计划

在线出版日期：2021-07-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：653-659