基于WOA-VMD-SSA-LSTM的中長期風電預測

打開文本圖片集

摘 要：針對風速預測中由于隨機性和波動性使得風速預測精度不高和模型泛化性不佳的問題，提出一種基于變分模態(tài)分解（VMD）、鯨魚優(yōu)化算法（WOA）、長短期記憶神經(jīng)網(wǎng)絡（LSTM）和麻雀優(yōu)化算法（SSA）的組合預測模型。首先利用WOA對VMD的核心參數(shù)（K值和懲罰系數(shù)α）進行自動尋優(yōu)。經(jīng)對風速時間序列進行分解之后，引入SSA優(yōu)化LSTM的核心學習參數(shù)，最后整合各子分量的預測風速數(shù)據(jù)得到最終風速預測值，經(jīng)過多項模型評價指標的驗證，模型的RMSE、MAE、MAPE、R2分別為0.0758 m/s、0.0578 m/s、1.492%和0.979，與其他單一優(yōu)化預測模型WOA-VMD-LSTM和VMD-SSA-LSTM相比較，相關模型評價指標均有較顯著的改觀。（剩余15255字）