基于CEEMD-CNN-BiGRU-RF模型的短期风电功率预测

作者：曾亮; 狄飞超; 兰欣; 王珊珊

来源：可再生能源, 2022, 40(02): 190-195.

DOI：10.13941/j.cnki.21-1469/tk.2022.02.003

• 风电功率预测
• 完全集成经验模态分解
• 卷积神经网络
• 双向门控循环单元
• 随机森林

风电功率的准确预测对电网的安全运行和经济调度起着重要作用,为进一步提高风电功率的预测精度,文章提出了一种基于CEEMD-CNN-BiGRU-RF模型的短期风电功率预测模型。首先,利用完全集成经验模态分解(CEEMD)对风电功率时间序列进行模态分解;其次,对分解的各个风电功率时间序列利用卷积神经网络(CNN)进行特征提取;再次,建立双向门控循环单元(Bi GRU)模型对各个风电功率时间序列进行预测,叠加各个分量的预测值;最后,对误差进行进一步分析与预测,利用随机森林(RF)进行误差修正,得到最终的风电功率预测值。实验仿真表明,该模型的预测效果明显优于传统模型,模型的平均绝对百分比误差(MAPE)仅为2.09%。

• 单位
  湖北工业大学; 电子工程学院