基于VMD-DBN模型的短期风速预测

摘要：

由于准确的风速预测能帮助电力部门提前感知风电功率的变化规律,减少风力发电的并网冲击,进而提升风功率的消纳率.为此,提出一种变分模态分解(Variational Mode Decomposition,VMD)结合深度信念神经网络(Deep Belief Nets,DBN)的组合风速预测模型.首先,用VMD方法处理原始风速数据;然后,对各分解量采用DBN方法进行预测,并叠加各预测分量值,得到风速预测结果.以西北某地区实际风速数据为例,将所提组合模型与DBN、长短期记忆神经网络(Long Short-Term Memory,LSTM)、极限学习机(Extreme Learning Machine,ELM)、BP神经网络等常见预测方法做对比分析.实验结果得出:其RMSE分别下降了0.2182、0.3229、0.4668、0.5038,其MAPE分别下降了3.1532％、5.9793％、9.0535％、10.3802％,研究结果验证了预测模型的有效性.

关键词：风电厂、风速、预测精度、VMD、DBN

所属期刊栏目：24

分类号：TM614(发电、发电厂)

资助基金：自治区自然科学基金项目2022D01C355

在线出版日期：2022-08-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：243-246,250