组合两步分解和ARIMA-LSTM的短期风速预测研究

打开文本图片集

收稿日期：2022-11-03

基金项目：中央高校基本业务费（BLX2014-05）

通信作者：王 贺（1984—），男，博士、讲师，主要从事新能源功率预测、机器学习和信号处理方面的研究。wanghe@bjfu.edu.cn

DOI：10.19912/j.0254-0096.tynxb.2022-1681 文章编号：0254-0096（2024）02-0164-08

摘 要：为提高风速序列预测精度，提出一种基于两步分解的短期风速组合预测模型，首先使用鲁棒经验模态分解（REMD）将风速数据分解为不同频率的子序列，然后将REMD分解得到的高频模态分量使用小波包分解（WPD）进行第二步分解，降低风速序列不稳定性，提高其可预测性。（剩余14606字）