精确地预测极端天气下的风速能为配电网防灾抗灾提供重要的指导作用.本文提出基于时间卷积网络(Temporal Convolutional Network,TCN)与双向长短期记忆网络(Bi-directional Long Short-Term Memory,BiLSTM)和误差修正的组合模型对极端天气下的风速进行预测.首先对天气数据进行预处理,用TCN提取多特征数据的时间序列特性,将提取信息输入到BiLSTM中进行风速预测.为进一步提高预测精度,引入变分模态分解(Variational Mode Decomposition,VMD)对误差序列进行分解,分别对分解后的误差子序列构建BiLSTM模型进行误差预测,用误差预测值对风速预测值进行误差修正.结合河南省某地实测天气数据进行实验,仿真结果验证了所提方法能有效预测风速,并在极端天气发生时,对风速具有较高的预测精度.
刘善峰;李哲;陈锦鹏;卢明;向玲
国网河南省电力公司电力科学研究院,郑州,450052华北电力大学 能源动力与机械工程学院,保定,071003
大气科学
风速;时间卷积网络;双向长短期记忆网络;误差修正;变分模态分解;预测
wind speed;temporal convolutional network(TCN);bi-directional long short-term memory(BiLSTM);error correction;variational mode decomposition(VMD);prediction
《南京信息工程大学学报》 2023 (005)
574-584 / 11
国家电网有限公司科技指南项目(5400-202199555A-0-5-ZN)
10.13878/j.cnki.jnuist.20221206003
评论