一种基于小波分析和多模型AdaBoost深度网络的风电场短期风电预测建模方法

摘要

本发明公开了一种基于小波分析和多模型AdaBoost深度网络的风电场短期风电预测建模方法，在分析风电功率与气象因素关系的基础上，首先利用小波多尺度分析、熵与非参数估计方法分别考察风电数据的时频域特征分布、不确定性和随机性，用于合理划分子集以确保训练样本充分激励系统的所有模态。其次，采用非线性流形学习提取风电数据的非线性特征，实现维数约简以降低计算复杂度。最后，结合结构优化的长短期记忆神经网络，建立预测精度高、计算复杂度低以及鲁棒性强的短期风电功率组合预测模型。本发明可为风电场提供精确可靠的风电功率预测，为大规模风电并网的协调控制与电网调度提供保障。