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
王红君 1谢煜轩 1赵辉 2岳有军1
作者信息
- 1. 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
- 2. 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
- 折叠
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.
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Key words
short-term wind power prediction/ICEEMDAN algorithm/chimp optimization algorithm/least squares support vector regression/bi-directional long short-trem memory引用本文复制引用
基金项目
天津市自然科学基金重点项目(08JCZDJC18600)
天津市教委重点基金(2006ZD32)
出版年
2023
国家科技期刊平台
NSTL
万方数据