基于混合优化算法的风电功率预测方法研究
闫庆友
朱敬尧
秦光宇
华北电力大学经济与管理学院,北京102206
摘要：准确的风电功率预测可以减少风电对电网的负面影响、降低电力系统的运行成本.风电功率预测在电力现货交易中具有重要意义,但风电功率序列不稳定,给预测带来困难.为提高预测精度,将变分模式分解(VMD)、最大相关最小冗余度算法(mRMR)、长短期记忆神经网络(LSTM)和萤火虫算法(FA)相结合,建立了一种混合优化算法.首先,利用VMD将原始的历史风电功率序列分解为多个特征模态函数;然后,通过分析各分量之间的相关性,应用mRMR得到最优特征集;最后,利用FA对LSTM的各个参数进行优化,将各子序列的预测结果相加得到最终预测结果.对北京市鹿鸣山风电站的实际数据进行仿真模拟,并将仿真结果和其他4种模型进行对比,结果证明VMD-mRMR-FA-LSTM模型的预测结果精确度高,具有较高的推广和应用价值.
关键词：风电功率预测变分模式分解最大相关最小冗余度算法长短期记忆神经网络萤火虫算法
分类号：TM73(输配电工程、电力网及电力系统)
论文发表日期：2021-04-15
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：4( 32-35 )