北极星

搜索历史清空

  • 水处理
您的位置:电力风电风电产业技术正文

基于变分模态分解和分位数卷积-循环神经网络的短期风功率预测

2023-08-28 09:00来源:中国电力作者:于静茹关键词:风电技术风电场风电收藏点赞

投稿

我要投稿

摘要:由于风力发电的随机性和间歇性,风功率预测不仅需要准确的点预测,而且需要可靠的区间预测和概率预测来量化风功率的不确定性。提出了一种基于变分模态分解(variational mode decomposition,VMD)和分位数卷积-循环神经网络的风功率概率预测模型。首先,使用VMD技术将原始风功率数据序列分解为一系列特征互异的模态分量,再通过卷积神经网络(convolutional neural network,CNN)提取反映各模态分量动态变化的高阶特征。然后,基于提取的高阶特征进行分位数回归建模,采用长短期记忆(long short-term memory,LSTM)循环神经网络预测未来任意时刻不同分位数条件下的风功率值。最后,利用核密度估计(kernel density estimation,KDE)得到风功率概率密度曲线。以中国某风电场数据作为算例测试,证明了所提出模型的有效性。

结论:本文提出了基于VMD和分位数回归的卷积-循环神经网络的风功率概率预测组合模型,即VMD-QRCNN-LSTM。通过基于VMD的组合模型可以得到不同分位数条件下的风功率预测值,提高了风功率预测的综合性能,再通过KDE能够得到风功率预测值的概率密度函数曲线。该模型能够在保证点预测准确性的同时,实现高可靠性和敏锐度的区间预测以及可靠有效的概率预测。


投稿与新闻线索:陈女士 微信/手机:13693626116 邮箱:chenchen#bjxmail.com(请将#改成@)

特别声明:北极星转载其他网站内容,出于传递更多信息而非盈利之目的,同时并不代表赞成其观点或证实其描述,内容仅供参考。版权归原作者所有,若有侵权,请联系我们删除。

凡来源注明北极星*网的内容为北极星原创,转载需获授权。

风电技术查看更多>风电场查看更多>风电查看更多>