来源：期刊VIP网 时间：
作者：王向伟;
单位：大唐乡城水电开发有限公司;
摘要：精确的风电功率预测对于风电并网后电网的稳定性和安全性具有重要意义。针对风电功率随机性强导致预测精度较低的问题，本文提出一种灰狼优化算法（GWO）优化变分模态分解技术（VMD）和霜冰优化算法（RIME）优化长短时记忆（LSTM）神经网络学习参数的组合超短期风电功率预测模型。首先利用GWO算法对VMD的惩罚因子α和模态分量数K进行寻优，再将原始风电功率数据进行VMD分解后得到若干个子序列，然后依次输入经RIME优化过后的LSTM模型中进行预测，最终将得到的预测分量进行叠加重构得到预测总值。以西南某风电场为例进行对比分析，结果表明：构建的GWO-VMD-RIME-LSTM模型具有更高的预测精度，可以应用于风电功率预测领域。
关键词：风电功率预测;;变分模态分解;;霜冰优化算法;;长短时记忆神经网络
