一种基于集合经验模态分解与LSTM网络的海上风电功率短期预测方法

摘要

本发明公开了一种基于集合经验模态分解与LSTM网络的海上风电功率短期预测方法。本发明先对风速时间序列进行集合经验模态分解，并利用样本熵原理对各分量进行重组，从而降低风速时间序列的波动性；接着利用深度学习的方法对不同频率的信号进行建模预测；叠加得到海上风速的短期预测结果，并结合海上风力发电机组的实际风速—功率曲线得到海上风电功率短期预测值。本方法根据海上风速的波动特性与季节特性训练不同的模型，选取合适的模型后便可进行预测，避免了重复训练，在提高了海上风电功率预测精度的同时也提高了预测效率。