基于自适应VMD-LSTM的超短期风电功率预测

来源：南京信息工程大学学报·自然科学版杂志2025年第1期北京时间：

作者：王迪，傅晓锦，杜诗琪

单位：王迪,上海电机学院 机械学院, 上海, 201306,傅晓锦,上海电机学院 机械学院, 上海, 201306,杜诗琪,上海电机学院 机械学院, 上海, 201306

摘要：针对风电功率波动性较强和预测精度较低的问题,提出一种改进蜣螂优化算法(Logistic-T-Dung Beetle Optimizer,LTDBO)优化变分模态分解(Variational Mode Decomposition,VMD)参数和LTDBO算法优化长短期记忆网络(Long Short-Term Memory,LSTM)超参数的混合短期风电功率预测模型.首先以平均包络谱峭度作为适应度函数,利用LTDBO算法对VMD分解层数和惩罚因子进行寻优,然后使用VMD对数据清洗后的风电序列进行分解,得到不同频率的平稳的固有模态分量(Intrinsic Mode Function,IMF),并将各IMF输入由LTDBO进行超参数寻优的LSTM进行预测,最后将各IMF预测值进行叠加重构,得到最终结果.实验结果表明:LTDBO算法可以找到VMD和LSTM的最优超参数组合,LTDBO-VMD-LTDBO-LSTM组合模型在风电功率预测领域具有较好的预测精度和鲁棒性.

关键词：风电功率;蜣螂优化算法;变分模态分解;长短期记忆网络;数据清洗

基金资助：上海市自然科学基金(11ZR1413800)