基于RR-VMD-LSTM的短期风电功率预测

作者：史加荣^*; 赵丹梦; 王琳华; 姜天祥

来源：电力系统保护与控制, 2021, 49(21): 63-70.

DOI：10.19783/j.cnki.pspc.210123

• 风电功率
• 短期预测
• 鲁棒回归
• 变分模态分解
• 长短时记忆

准确的风电功率预测有利于电力系统运行、峰值调节、安全分析和节能减耗。提出了一种基于鲁棒回归(Robust Regression,RR)和变分模态分解(Variational Mode Decomposition,VMD)的长短时记忆(Long Short-Term Memory,LSTM)模型的风电功率预测方法。先使用RR处理采集数据的缺失值和异常点。再利用VMD得到风电功率序列以消除噪声并挖掘原始序列的主要特征。最后采用LSTM对每个分解序列的历史时间序列进行学习并完成预测,并通过重构所有序列的预测值获得风电功率的最终结果。使用所提出的方法对华北某一风电场风电功率进行预测,将预测结果与其他模型对比。结果表明,使用RR-VMD-LSTM方法能显著改善预测性能,降低风电功率预测误差?

• 单位
  西安建筑科技大学; 陕西省地方电力(集团)有限公司; 陕西省地方电力（集团）有限公司