典型文献
基于VMD的CNN-BiLSTM超短期风电功率多步区间预测
文献摘要：
风能是随机波动的不稳定能源,大规模风电并入电网将对电网稳定性造成很大影响,有效预测风电功率区间将极大提高电网经济性与稳定性.针对风电功率数据的非线性,非平稳特性,提出一种基于VMD的CNN-BiLSTM超短期风电功率多步区间预测方法.首先对风电功率数据进行小幅上下波动,形成CNN-BiL-STM模型的初始上下限.其次运用变分模态分解(VMD)分别将上下限数据分解为若干个子分量,以降低风电功率时间序列的非平稳特性.然后将子分量输入CNN-BiLSTM模型,得到风电功率预测区间.最后以改进覆盖宽度准则为目标函数优化区间,得到给定置信水平下的风电功率预测区间.使用某风电场实际运行数据,与CNN-GRU、CNN-LSTM、KELM、SVR这4种模型作比,验证结果表明基于VMD的CNN-BiLSTM超短期风电功率多步区间预测方法可有效提高风力发电超短期区间预测精度.
文献关键词：
风电功率;区间预测;VMD;CNN-BiLSTM
中图分类号：
作者姓名：
赵征;周孜钰;南宏钢
作者机构：
华北电力大学控制与计算机工程学院,河北保定071003
文献出处：
引用格式：
[1]赵征;周孜钰;南宏钢-.基于VMD的CNN-BiLSTM超短期风电功率多步区间预测)[J].华北电力大学学报（自然科学版）,2022(04):91-97
A类：
B类：
VMD,BiLSTM,超短期,多步,区间预测,风能,随机波,定能,大规模风电,并入,电网稳定性,测风,非平稳特性,小幅,下限,变分模态分解,数据分解,若干个,风电功率预测,预测区间,目标函数优化,定置,置信水平,风电场,实际运行,运行数据,GRU,KELM,SVR,风力发电
AB值：
0.22846
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
