来源：期刊VIP网 时间：
作者：王鑫鑫;凌薇;艾学轶;
单位：武汉科技大学管理学院;
摘要：针对风速具有强烈的非线性、非平稳性与随机性导致风速预测准确性受到极大考验的问题，提出一种基于变分模态分解和集成深度学习融合的短期风速预测模型。该模型利用鲸鱼群算法（whale optimization algorithm,WOA）优化选择变分模态分解（variational mode decomposition,VMD）参数，实现风速信号的最优自适应分解。计算各子序列的样本熵（sample entropy,SE），并引入熵值法构建组合预测模型，对复杂度较高的分量采用TCN(temporal convolutional network)模型进行预测，其余分量采用Informer模型进行预测。最后将各分量预测结果叠加即可得到最终的风速预测值。实验结果表明，基于WOA-VMD-Informer-TCN的短期风速预测模型能够有效提高短期风速预报的精度。
关键词：变分模态分解;;Informer;;时间卷积网络;;风速预测
基金资助：国家自然科学基金项目(编号：71901167)
