· 唐杰;李彬;刘白杨;邵武;易资兴;
精准的风电功率预测有利于全网电力平衡、系统安全稳定运行和节能减耗。提出一种基于经验模态分解(empirical mode decomposition, EMD)、核主成分分析(kernel principal component analysis, KPCA)和长短期记忆(long short-term memory, LSTM)神经网络的短期风功率预测模型。采用EMD技术将多维气象序列分解为多个固有模态分量，以挖掘原始数据的主要特征并消除噪声；引入KPCA进行降维处理，提取数据的非线性特征；使用LSTM神经网络对特征提取的序列进行学习并完成预测，获得风电功率预测的最终结果。使用所提出的模型对新疆某一风电场风电功率进行预测，将预测结果与其他模型对比。结果表明，该预测模型能改善预测性能，降低风电功率预测误差。