基于小波变换和LSTM的短期风速预测研究

作者：王耀庆; 孙建平; 李冰; 曹弘

来源：计算机仿真, 2021, 38(02): 438-443.

• 短期风速预测
• 小波变换
• 长短期记忆网络
• 自回归滑动平均模型

可靠准确的短期风速预测有利于电网安全稳定的运行。由于风速具有显著的随机性且受多种因素影响,难以达到令人满意的预测精度。为了提高预测精度,提出了一种新型混合预测模型。在提出的预测模型中,利用小波变换(WT)将原始风速序列分解为低频和高频子序列,利用长短期记忆(LSTM)网络和自回归滑动平均(ARMA)模型分别预测低频和高频子序列。最后,利用河北省某风电厂收集的风速数据对模型进行了验证,并与7种不同的预测模型进行了性能比较。实验结果表明,所提出的预测模型在预测精度方面优于其它模型,在短期风速预测中具有令人满意的性能。

• 单位
  华北电力大学