一种短期风电功率预测方法、装置及计算机可读存储介质制造方法及图纸

本申请提供了一种短期风电功率预测方法、装置及计算机可存储介质。其中，该方法包括：终端设备采集历史数据，该历史数据可以包括风速；通过变分模态分解VMD对历史数据进行模态分解，得到P个模态分量，P为大于等于1的正整数；基于近似熵将P个模态分量重构为N个子序列，N≤P；基于改进鲸鱼优化算法WOA对长短期记忆网络LSTM神经网络模型进行参数优化，得到最优LSTM参数；基于重构后的N个子序列和最优LSTM参数构建短期风电功率预测模型；将预测数据输入短期风电功率预测模型，得到短期风电功率的预测结果。通过本申请提供的技术方案，可以改善风电功率间歇性与波动性问题，提升短期风电功率预测的精度。风电功率预测的精度。风电功率预测的精度。

【技术实现步骤摘要】
一种短期风电功率预测方法、装置及计算机可读存储介质


[0001]本申请涉及新能源发电和智能电网
，尤其涉及一种短期风电功率预测方法、装置及计算机可读存储介质。

技术介绍

[0002]在全球二氧化碳排放量巨大的背景下，风力发电技术飞速发展。风能的强波动性和间歇性为电力系统正常运行带来了更高运行要求，因此，降低风力发电并网引起的运行风险，对风电功率进行精准预测是合理控制与调整并网技术的重要保障。
[0003]近年来，长短期记忆(long
‑
short term memory，LSTM)网络在短期风电功率预测领域取得了较好的应用，LSTM网络可以充分挖掘时序数据之间的内在关联，但在分析非连续数据时，预测精度不高。因此，如何提高风电功率的精准预测是目前亟待解决的问题。

技术实现思路

[0004]本申请实施例提供一种短期风电功率预测方法、装置及计算机可读存储介质，可以提高风电功率的精准预测。
[0005]第一方面，本申请提供了一种短期风电功率预测方法，该方法可以应用于计算机设备，也可以应用于计算机设本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种短期风电功率预测方法，其特征在于，包括：采集历史数据，所述历史数据包括风速；通过变分模态分解VMD对所述历史数据进行模态分解，得到P个模态分量，P为大于等于1的正整数；基于近似熵将所述P个模态分量重构为N个子序列，N≤P；基于改进鲸鱼优化算法WOA对长短期记忆网络LSTM神经网络模型进行参数优化，得到最优LSTM参数；基于重构后的N个子序列和所述最优LSTM参数构建短期风电功率预测模型；将预测数据输入所述短期风电功率预测模型，得到短期风电功率的预测结果。2.根据权利要求1所述的方法，其特征在于，所述基于改进WOA对LSTM神经网络模型进行参数优化，得到最优LSTM参数，包括：将所述LSTM神经网络模型的待优化参数作为所述改进WOA的初始化解；采用所述改进WOA对所述LSTM神经网络模型的待优化参数进行寻优得到所述最优LSTM参数。3.根据权利要求2所述的方法，其特征在于，所述采用所述改进WOA对所述LSTM神经网络模型的待优化参数进行寻优得到所述最优LSTM参数，包括：初始化所述改进WOA的参数；确定所述改进WOA当前最优值与最优解；根据所述鲸鱼当前最优值与最优解得到最优LSTM参数。4.根据权利要求1
‑
3任一所述的方法，其特征在于，所述通过VMD对所述历史数据进行模态分解得到P个模态分量，包括：将所述历史数据作为输入信号，分解成不同特性的模态分量，各模态分量的估计带宽和最小约束条件为所有模态之和；以所述各模态分量和等于所述输入信号为约束条件，利用高斯平滑与梯度平方范数估计分量带宽，得到带约束的VMD变分模型；利用二次惩罚因...

【专利技术属性】
技术研发人员：彭丽，阳同光，李婉婷，杨京渝，黄银欢，陈雯静，陈颖倩，蒋锦峰，李泽星，曹京毅，费雅雯，黄锦毅，杨天峰，
申请(专利权)人：湖南城市学院，
类型：发明
国别省市：