基于ICEEMDAN-SE-MSGJO-LSTM-EC的短期风电功率预测

作者：刘志坚^*; 孙瑞星; 黄建; 张江云; 何超

来源：电机与控制应用, 2023, 50(12): 42-53.

• 风电功率预测
• 误差修正
• 改进自适应噪声完全集合经验模态分解
• 改进金豺优化算法
• 长短期记忆网络

为了提高风电功率短期预测精度，本文提出了一种基于ICEEMDAN-SE-MSGJO-LSTM-EC模型的短期风电功率预测模型。首先，通过ICEEMDAN对原始风功率信号进行分解并通过样本熵计算熵值相近的分量相加重构。其次，建立MSGJO-LSTM预测模型，通过改进金豺优化算法(MSGJO)优化LSTM网络参数，对各模态分量进行预测。最后，通过对各模态分量预测结果进行误差修正(EC)并将所有模态预测结果相加得到最终预测结果。以新疆某风电场为例，采用本文所提预测模型进行仿真分析，试验结果表明本文基于ICEEMDAN-SE-MSGJO-LSTM-EC的预测模型预测精度更高。

• 单位
  昆明理工大学