[发明专利]一种基于数据重构和TCN-BiLSTM的短期风电功率预测方法

摘要

本发明请求保护一种基于数据重构和TCN‑BiLSTM的短期风电功率预测方法。首先利用结合自适应噪声完备集合经验模态分解(CEEMDAN)对原始风电功率数据进行分解处理，将功率序列分解得到多个本征模态函数(IMF)，以降低神经网络预测模型输入数据的复杂程度。然后计算每个分量的样本熵(SE)值，并将SE值相近的分量归为一类，合并得到新的重构分量，从而减少需要训练和预测的分量数量。最后，建立一种结合时间卷积网络(TCN)和双向长短期记忆网络(BiLSTM)的多元组合预测模型对各分量进行特征提取、信息挖掘及预测，并叠加各分量的预测结果得到最后的预测值。本发明相比于其他风电功率预测传统方法，具有更高的预测精度。