基于深度信念网络的非线性加权组合风电功率预测方法

摘要

本发明公开了一种基于深度信念网络的非线性加权组合风电功率预测方法，属于电力系统风电功率预测技术领域。为了解决当下风电功率预测精度较低的问题，利用分解策略、非线性加权组合以及深度学习模型建立一种新的组合预测模型。首先采用结合重建误差率的变分模态分解VMD技术对原始风电功率序列进行分解，提取局部特征；然后，利用长短期记忆神经网络和基于粒子群优化的深度信念网络构建子预测模型。最后，采用基于粒子群优化的深度信念网络PSO‑DBN的非线性加权组合方法对多个子预测模型进行组合，建立短期风电功率预测的组合模型，进一步提高了风电功率预测的准确性和稳定性。