来源：期刊VIP网 时间：
作者：沈海波;王凌梓;邓力源;程贤良;吴慧军;
单位：中国南方电网电力调度控制中心;
摘要：提高风电功率预测的准确性对电网的安全稳定运行具有重要意义。为此，文章提出了一种基于CEEMDAN-PCA-BiLSTM-LSTNet的短期风电功率组合预测模型。首先，采用自适应噪声集合经验模态分解（CEEMDAN）和主成分分析（PCA）方法 ，分别对原始风电功率数据和数值天气预报数据（NWP）进行分解和降维，以进行数据预处理；然后，训练双向长短时记忆网络（BiLSTM）对分解所得各分量进行预测并叠加得到初步预测结果，使用降维后提取的综合气象因子训练长短期时间序列神经网络（LSTNet）以获得数值天气预报预测结果；最后，基于信息熵理论构建误差权重矩阵，使用数值天气预报预测结果对初步预测结果进行组合加权修正。实验结果表明，采用不同原始数据类型和不同机理模型的组合预测模型能够有效捕捉风电功率的时空特征，与现有方法相比，具有更高的预测精度，验证了模型的有效性。
关键词：数值天气预报;;风电功率预测;;经验模态分解;;主成分分析;;双向长短时记忆神经网络;;长短期时间序列神经网络
基金资助：国家自然科学基金项目（41875118）;国家自然科学基金青年基金项目（41805047）
