基于VMD-IBWO-BiLSTM的短期风电功率预测

黄益; 胡骅; 魏云冰

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于VMD-IBWO-BiLSTM的短期风电功率预测

清洁能源 | 更新时间：2025-11-08

- 基于VMD-IBWO-BiLSTM的短期风电功率预测
- 暂无标题
- 电网与清洁能源 2025年第5期页码：148-158
- 作者机构：
  
  1. 上海工程技术大学电子电气工程学院
  2. 浙江省知识产权保护中心
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目（62173222）;Project Supported by National Natural Science Foundation of China(62173222)
- DOI：
  中图分类号： TP18;TM614
- 纸质出版：2025
- 稿件说明：
移动端阅览
黄益, 胡骅, 魏云冰. 基于VMD-IBWO-BiLSTM的短期风电功率预测[J]. 电网与清洁能源, 2025,(5):148-158.
黄益, 胡骅, 魏云冰. 基于VMD-IBWO-BiLSTM的短期风电功率预测[J]. 电网与清洁能源, 2025,(5):148-158. DOI：

DOI：

摘要

准确预测风电功率对实现风电场稳定运行和电网优化调度具有重要意义。为了提高风电功率预测的稳定性和精准性，提出一种基于变分模态分解（variational modal decomposition

VMD）、融合Logistics混沌映射、折射反向学习策略的改进白鲸优化算法（improved beluga whale optimization

IBWO）和双向长短期记忆（bi-directional long short-term memory

BiLSTM）神经网络的组合模型。首先，利用模糊熵为适应度函数的北方苍鹰优化算法（northern goshawk optimization

NGO）优化VMD的核心参数，通过NGO-VMD对采集到的原始风电功率数据分解，得到模态分量。然后，利用改进白鲸优化算法IBWO对双向长短期记忆BiLSTM神经网络中的超参数进行寻优，再使用IBWO-BiLSTM模型对各模态分量预测。最后，将各模态分量的预测值叠加得到风电功率的预测值。实验表明，该组合模型较其他普通组合模型在预测精度上有较大提高。

Abstract

关键词

Keywords

references

Zhong Changting,Li Gang,Meng Zeng.Beluga whale optimization: A novel nature-inspired metaheuristic algorithm[J].Knowledge-Based Systems,2022.

Konstantin Dragomiretskiy,Dominique Zosso.Variational Mode Decomposition.[J].IEEE Trans. Signal Processing,2014.

Anis Farhan Kamaruzaman,Azlan Mohd Zain,Suhaila Mohamed Yusuf,Amirmudin Udin.Levy Flight Algorithm for Optimization Problems - A Literature Review[J].Applied Mechanics and Materials,2013.

张中文,吐松江·卡日,张紫薇,崔传世,邵罗.基于双分支特征融合的电力设备缺陷文本挖掘方法[J].高压电器,2024(06).

肖烈禧,张玉,周辉,赵冠皓.基于IAOA-VMD-LSTM的超短期风电功率预测[J].太阳能学报,2023(11).

梁昌侯,龙华,李帅,周筝,严北斗.基于MIC-VMD-GWO-LSTM的短期风电功率预测[J].现代电子技术,2023(22).

程先龙,保佑智,何度江,梁健,方伟,杨博.基于EMD-ELM-LSTM的短期风电功率预测[J].昆明理工大学学报(自然科学版),2023(06).

黄悦华,张子豪,陈庆,刘兴韬,涂金童.基于多头注意力机制的CNN-BiLSTM高海拔多因素输电线路可听噪声预测[J].高压电器,2024(12).

苏智超.基于深度学习的风电机组风向预测方法研究[J].电力与能源,2023(03).

赵峰,张帆,陈小强,王英.基于VMD-APSO的风电场混合储能系统容量优化配置[J].高压电器,2023(06).

鲁英达,张菁.基于改进猎人猎物算法的VMD-KELM短期负荷预测[J].电气工程学报,2023(04).

陈峰,余轶,徐敬友,杨洁,陈可,张天东,郭露方,郑子健,胡钋.基于Bayes-LSTM网络的风电出力预测方法[J].电力系统保护与控制,2023(06).

程建东,赵浩然,韩明哲.市场机制下推动风电参与电力市场的实践总结与启示[J].电网技术,2022(07).

叶家豪,魏霞,黄德启,谢丽蓉,黄晨晨,赵世成.基于灰色关联分析的BSO-ELM-AdaBoost风电功率短期预测[J].太阳能学报,2022(03).

赵倩,陈芳芳,甘露,齐琦,王驰鑫,徐天奇.基于EEMD-PSO-SVM的短期风电功率预测[J].现代电子技术,2021(15).

蒲娴怡,毕贵红,王凯,谢旭,陈仕龙.基于二层分解的PSO-LSTM模型风电功率超短期预测[J].电机与控制应用,2021(05).

王恰.2020—2060年中国风电装机规模及其CO_2减排预测[J].生态经济,2021(07).

路朋,叶林,汤涌,张慈杭,仲悟之,孙舶皓,翟丙旭,曲莹,刘新元.基于模型预测控制的风电集群多时间尺度有功功率优化调度策略研究[J].中国电机工程学报,2019(22).

王朋,孙永辉,翟苏巍,候栋宸,王森.基于小波长短期记忆网络的风电功率超短期概率预测[J].南京信息工程大学学报(自然科学版),2019(04).

田波,朴在林,郭丹,王慧.基于改进EEMD-SE-ARMA的超短期风功率组合预测模型[J].电力系统保护与控制,2017(04).

李霄,王昕,郑益慧,李立学,生西奎,吴昊.基于改进最小二乘支持向量机和预测误差校正的短期风电负荷预测[J].电力系统保护与控制,2015(11).

浏览量

255

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于改进局部自注意力机制的VMD-GRU模型短期风电功率预测

基于嵌套优化的GA-PSO-BP神经网络短期风功率预测方法研究

基于多源气象数据的光伏功率预测深度学习架构

基于RF-TCN-SA及误差修正的风电功率超短期预测

基于时频域多维特征提取的用户异常用电行为检测