来源：期刊VIP网 时间：
作者：王瑞;王雨宁;逯静;
单位：河南理工大学电气工程与自动化学院;河南理工大学计算机科学与技术学院;
摘要：针对风电因波动性和随机性使得功率预测精度不高的问题,提出一种基于双变分模态分解(variational mode decomposition, VMD)和双向长短期记忆(bi-directional long short-term memory, BiLSTM)神经网络的组合预测模型。首先,用样本熵和互信息建立复合指标,采用蜣螂优化算法(dung beetle optimizer, DBO)寻优VMD中的参数,用优化后的VMD将波动性高的时间序列分解为一组相对平稳的模态分量。然后,采用排列熵(permutation entropy, PE)计算各分量的复杂度,将其划分为高频和低频分量并对高频分量进行再次分解。最后,采用DBO优化后的BiLSTM对各分解序列进行学习和预测,并通过叠加所有序列的预测值获得风电功率的最终预测结果。内蒙古某风电场实测数据的实验仿真结果表明,该模型预测精度较单一预测模型和其他组合模型有较大的提升。
关键词：变分模态分解;;蜣螂优化算法;;排列熵;;互信息;;双向长短期记忆神经网络
基金资助：国家自然科学基金项目(编号:62273133);; 河南省科技攻关项目(编号:22210221020)
