基于Lorenz扰动分布和VMD的神经网络风速预测研究

摘要

针对风速的随机性、非线性和不确定性特征,提出基于VMD和Lorenz扰动的神经网络模型进行风速预测.首先,对风速数据采用变分模态分解(VMD)进行预处理,得到特征模态分量,然后采用BP神经网络对每个分量进行预测,并且将分量预测结果进行重构得到风速点预测值,最后以风速点预测为基础,根据核密度估计的Lorenz扰动序列概率分布进行风速区间预测.以西班牙风电场和中国风电场为实例进行预测,预测结果显示:(1) VMD算法可以提高神经网络模型点预测结果的精度;(2)根据Lorenz扰动序列分布进行风速区间估计,不仅量化了大气中不确定的影响因素,而且区间预测结果可靠性较高.