改进黑猩猩算法和LSSVR-BiLSTM双尺度模型的短期风功率预测

Short-term wind power prediction based on improved chimp algorithm and LSSVR-BiLSTM dual scale model

扫码查看

原文链接

国家科技期刊平台
NETL
NSTL
万方数据

中文摘要：为提高风功率预测精度,提出一种基于改进自适应白噪声完全集合经验模态分解(ICEEMDAN)、排列熵(PE)、改进黑猩猩优化算法(ICHOA)、最小二乘支持向量回归机(LSSVR)和双向长短时记忆(BiLSTM)网络相结合的短期风功率预测混合模型.通过ICEEM-DAN将非平稳的原始风电序列分解为相对平稳的模态分量,并使用PE聚合来降低计算复杂度.分别将BiLSTM模型和LSSVR模型应用于高频分量和低频分量的预测.采用ICHOA用于优化模型的参数.将每个预测分量值叠加得出最终预测结果.算例分析结果表明,所提LSSVR-BiLSTM双尺度深度学习模型与其他模型相比,能更好地拟合风功率数据,具有较高的预测精度和可行性.

外文关键词：

short-term wind power predictionICEEMDAN algorithmchimp optimization algorithmleast squares support vector regressionbi-directional long short-trem memory

作者：

王红君、谢煜轩、赵辉、岳有军

展开 >

作者单位：

天津理工大学天津市复杂控制理论与应用重点实验室,天津 300384

天津农学院工程技术学院,天津 300392

关键词：

短期风功率预测 ICEEMDAN算法黑猩猩优化算法最小二乘支持向量回归机双向长短时记忆网络

基金：

天津市自然科学基金重点项目天津市教委重点基金

项目编号：

08JCZDJC186002006ZD32

出版年：

2023

DOI：

10.3969/j.issn.1674-8425(z).2023.09.028

重庆理工大学学报

重庆理工大学

重庆理工大学学报

CSTPCD北大核心

影响因子：0.567

ISSN：1674-8425

年,卷(期)：2023.37(17)

参考文献量10