毕会降唯一官网_基于DLCEEMDAN-SA-TCN和误差修正的短期风电功率预测

作者:甄成刚; 郭东庆; 牛海明

关键词:风电功率预测 双层自适应噪声完备集合经验模态分解 时间卷积网络 误差修正 最大信息系数 轻度量化提升机

来源:电力信息与通信技术

DOI:10.16543/j.2095-641x.electric.power.ict.2022.05.006

发布时间:2022-05-27 10:14

对风电电力的准确预测可以有效地减少并网过程中给电力系统带来的波动。因此,本文提出了一种基于时间序列分解和误差修正的风电功率预测方法。该方法首先使用最大信息系数(MIC)方法来选择与风功率有强相关性的特征,以减少原始数据中的复杂度,然后使用带自适应噪声的双层完全集成经验模态分解(dlceemdan)将风功率分解为多个平稳子序列。最后,为了进一步提高预测精度,采用了带有注意机制的时间卷积网络(TCN),并引入了光梯度提升机(lightgbm)对预测值进行误差修正。仿真结果表明,该方法具有较高的短期风电预测精度。毕会降https://bs.biee.net