风速重构聚类的元启发双向记忆预测方法

史晓航; 潘超; 王超; 李载源

doi:10.19725/j.cnki.1007-2322.2023.0381

现代电力 ›› 2026, Vol. 43 ›› Issue (01) : 1 -9. DOI: 10.19725/j.cnki.1007-2322.2023.0381

风速重构聚类的元启发双向记忆预测方法

史晓航, 潘超, 王超, 李载源

作者信息 +

Author information +

文章历史 +

PDF

摘要

风速的准确预测对于规模化风电并网及安全运行非常关键。该文首先采用完全自适应噪声集合经验模态分解法将风速序列分解为若干模态分量，结合快速相关滤波，实现模态分量的优选与降维，重构样本集合。其次，选用高斯核距离度量样本间距，并优选初值，以改进Kmedoids聚类，提升高维样本空间的聚类准确性和稳定性。在双向长短时记忆网络中嵌入元启发优化模块，构建元启发双向记忆网络。然后，输入训练样本寻优内置参数以及典型集测试样本寻优结构参数。最后，输出风速预测值。以东北地区某风场为研究对象进行算例仿真，验证预测模型的准确性和泛化能力。