[发明专利]基于WD-LA-WRF模型的超短期风功率预测方法

摘要

本发明公开了属于超短期风功率预测技术领域的一种基于WD‑LA‑WRF模型的超短期风功率预测方法。本发明考虑风力发电的波动性和随机性，首先使用小波分解方法将风速序列和风功率序列分解为不同频率的子序列，然后使用狮子算法优化随机森林的参数，以提高预测模型的精度。最后使用构建的模型进行MATLAB仿真，对各子序列进行预测，将预测结果进行重构，得到最终预测结果。本发明提出的WD‑LA‑WRF模型通过对原始数据的分解与降噪，将原始数据的平稳信号与非平稳信号分离开，使数据更具分析价值。本发明通过狮子算法的改进，优化了模型的参数，提高了预测精度。该模型与其他单一模型对比，具有强大的泛化能力和鲁棒性。适用于超短期风电功率预测。

主权项

1.一种基于WD‑LA‑WRF模型的超短期风功率预测方法，其特征在于，包括：步骤1对数据采集与预处理，采集风电输出功率的六个样本数据，六个样本数据为：风速、风功率、风向、气压、空气密度、温度和地表粗糙度。然后对样本数据进行归一化处理，非数值型数据进行类别特征编码；步骤2对预处理后的样本数据进行降噪处理，随后与其余的样本数据分别组成各自的样本集进入步骤3；步骤3使用狮子算法优化的加权随机森林模型，进行WD‑LA‑WRF模型训练；步骤4根据训练好的WD‑LA‑WRF模型，以测试样本为数据来源，运用步骤3所得到的WD‑LA‑WRF模型分别进行预测，并对所得结果进行重构，得到最终的预测结果。