基于WOA-VMD-SSA-LSTM的中长期风电预测

打开文本图片集

摘 要：针对风速预测中由于随机性和波动性使得风速预测精度不高和模型泛化性不佳的问题，提出一种基于变分模态分解（VMD）、鲸鱼优化算法（WOA）、长短期记忆神经网络（LSTM）和麻雀优化算法（SSA）的组合预测模型。首先利用WOA对VMD的核心参数（K值和惩罚系数α）进行自动寻优。经对风速时间序列进行分解之后，引入SSA优化LSTM的核心学习参数，最后整合各子分量的预测风速数据得到最终风速预测值，经过多项模型评价指标的验证，模型的RMSE、MAE、MAPE、R2分别为0.0758 m/s、0.0578 m/s、1.492%和0.979，与其他单一优化预测模型WOA-VMD-LSTM和VMD-SSA-LSTM相比较，相关模型评价指标均有较显著的改观。（剩余15255字）