文献类型：期刊文章

作　　者：史加荣[1] 赵丹梦[1] 王琳华[1] 姜天祥[2]

SHI Jiarong;ZHAO Danmeng;WANG Linhua;JIANG Tianxiang(Xi'an University of Architecture and Technology,Xi'an 710055,China;Shaanxi Regional Electric Power Group Co.,Ltd.,Baoji 721000,China)

机构地区：[1]西安建筑科技大学,陕西西安710055 [2]陕西省地方电力(集团)有限公司,陕西宝鸡721000

出　　处：《电力系统保护与控制》

基　　金：“十三五”国家重点研发计划项目资助(2018YFB1502902);陕西省自然科学基金项目资助(2021JM-378)。

年　　份：2021

卷　　号：49

期　　号：21

起止页码：63-70

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、IC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：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?

关 键 词：风电功率 短期预测  鲁棒回归  变分模态分解  长短时记忆  

分 类 号：TM614]