基于BWO优化VMD和TCN-BiGRU的短期风电功率预测

摘要

针对风力发电过程中出现的不平稳、波动性大等特点，为了更好地提高风力发电的预测精度，提出一种基于白鲸优化算法（BWO）的变分模态分解（VMD）和时序卷积网络（TCN）-双向门控循环单元（BiGRU））联合构建的短期风力发电功率预测模型。首先，由于风电功率受多方面气象因素的共同影响，采用随机森林（RF）方法来确定气象因素特征的重要性，对特征进行排序并提取出最优的特征。其次，利用VMD将原始功率数据由不平稳序列分解成较平稳的子序列，为解决VMD的两个参数即模态数和惩罚因子难以人工确定的问题，使用BWO对VMD的参数进行寻优，利用优化后的VMD对非平稳电力信号进行有效分解。然后，将分解后的各平稳子序列加上提取出的最优特征进行TCN-BiGRU组合模型预测。最后，将各子序列的预测值进行叠加得到最终的结果。以中国的某风电场的实际数据为例，通过多种单一模型与组合模型对所提出的预测模型进行了仿真对比。仿真结果表明，所提出的基于BWO优化VMD和TCN-BiGRU联合预测方法具有较高的预测精度，其均方根误差、平均绝对误差及平均百分比误差的指标精度均比其他模型有所提高。本文方法在风电功率预测中具有显著优势。

关键词

短期风功率预测 / 变分模态分解 / 随机森林 / 时序卷积网络 / 双向门控循环单元 / 白鲸优化算法