[发明专利]一种基于变模式分解与长短记忆网络的风电预测方法

摘要

本发明公开了一种基于变模式分解与长短记忆网络的风电预测方法，首先对风电功率信号进行变模式分解，根据风电功率的特性将其分解为长期子、波动号和随机等3个模态分量。然后采用长短记忆网络分别学习风电功率这3个方面的模态分量，建立预测模型，最后合成得到预测值。本方法能够获取风电功率的随机特性，提高风电预测的精度和预测步长。

主权项

1.一种基于变模式分解与长短记忆网络的风电预测方法，其特征在于：包括如下步骤：步骤1：测取风电功率历史数据P(t)；步骤2：对风电功率信号进行变模式分解，获取多模态分量uk，k取1、2、3，分别代表风电功率信号中的长期分量、短期波动分量和超短期随机分量；步骤3：建立k个长短记忆网络模型，假设当前时刻为t，预测步长ΔT，以X＝(xt‑n，...，xt)为输入，X为P(t)的VMD分解信号，其中xt＝uk(t)，uk(t)为模态函数，以hk＝uk(t+ΔT)为输出，训练长短记忆网络模型；步骤4：实时采样风电功率信号，得到信号的多模态分量，带入k个训练好的长短记忆网络模型，分别得到各个模型的输出hk，最后合成输出即为风电功率预测值。