关键词:
风电功率
改进的VMD
核主成分分析
长短期记忆网络
摘要:
为提高电力系统的可靠性和稳定性,以应对风电波动性带来的挑战,充分考虑制约风力发电的五种气候因素(风速、风向、气压、温度、湿度),首先,利用IVMD方法对气候因子序列进行分解,获得不同时间尺度下数据信号的变化,降低气候因子序列的非平稳性;其次,利用KPCA提取特征序列的关键影响因素,消除原始序列的相关性和冗余性,降低模型输入的维数;最后,利用LSTM网络对多变量特征序列进行动态建模,实现风电功率预测。采用龙源电力集团真实风力发电数据预测数据集2号风机数据进行验证,实验结果表明,基于IVMD-KPCA-LSTM的超短期风电功率预测模型相较于单一的LSTM模型在预测精度上有了显著的提升,RMSE下降了48.6%,MAE下降了34.4%,MAPE下降了81.6%。