王胜研,王娟娟.基于CEEMDAN-SE-GWO-LSTM模型的短期风速预测[J].电工技术,2024(4):74-78 |
基于CEEMDAN-SE-GWO-LSTM模型的短期风速预测 |
|
|
DOI:10.19768/j.cnki.dgjs.2024.04.18 |
中文关键词: 风速预测 CEEMDAN SE GWO 长短期记忆神经网络 |
英文关键词: |
基金项目: |
|
摘要点击次数: 173 |
全文下载次数: 0 |
中文摘要: |
为了降低风速具有的非线性和随机性带来的预测难度,提高预测准确性,提出一种融合完全自适应噪声集合经验模态分解(CEEMDAN)、样本熵(SE)、灰狼优化算法(GWO)和长短期记忆神经网络(LSTM)的组合预测模型来预测短期风速。首先利用CEEMDAN将风速数据分解为若干模态分量,再通过样本熵对各分量进行筛选,将样本熵值相近的模态分量进行叠加,形成新的若干个子序列,然后对各子序列采用GWO-LSTM模型进行训练与预测,最后叠加子序列的预测结果。实验结果表明,所提CEEMDAN-SE-GWO-LSTM模型相对于单一的LSTM模型在均方根误差、平均绝对误差和平均相对误差这3个误差指标上分别降低了21.7%、44.5%和40.9%,因此该模型具有较好的预测精度与稳定性,可有效预测短期风速。 |
英文摘要: |
|
查看全文 查看/发表评论 下载PDF阅读器 |