基于时变滤波经验模态分解与时空相关性误差修正的短期风速预测

摘要

风能作为一种可再生的清洁能源，在缓解日益严重的能源危机方面发挥着重要作用。然而风速的强波动性和随机性以及复杂的时空耦合特性给风力发电带来了挑战，影响电力系统的安全稳定运行。针对该问题，提出一种基于时变滤波经验模态分解(time-varying filter empirical mode decomposition, TVFEMD)与时空相关性误差修正的短期风速预测方法。引入TVFEMD的数据预处理方法以降低原始风速序列的波动性和复杂性，采用时间卷积网络(temporal convolutional network, TCN)捕捉时间序列中的长期依赖关系，分别构建核密度估计(kernel density estimation, KDE)修正模型与Copula函数修正模型以挖掘风速误差序列的时间与空间特征，重构误差分量，对风速预测值进行误差修正。以我国北方某风电场运行数据为例验证所提方法的效果，误差修正方法使精度提高了1.096%,总体预测精度达到97.969%,结果表明所提方法充分提取时间与空间特征，具有更高的预测精度。

关键词

风速预测 / 时空相关性 / 误差修正 / 时变滤波经验模态分解 / 时间卷积网络