WikiEdge:ArXiv-2408.17185v1/abs

編輯

• 標題：Short-term Wind Speed Forecasting for Power Integration in Smart Grids based on Hybrid LSSVM-SVMD Method
• 中文標題：智能電網中基於混合LSSVM-SVMD方法的短期風速預測
• 發布日期：2024-08-30T10:35:59+00:00
• 作者：Ephrem Admasu Yekun, Alem H. Fitwib, Selvi Karpaga Subramaniand, Anubhav Kumard, Teshome Goa Tella
• 分類：cs.LG
• 原文鏈接：http://arxiv.org/abs/2408.17185v1

摘要：由於其污染小和能源利用效率高，風能已成為最廣泛利用的可再生能源之一。風電成功併網依賴於準確的風速預測模型。然而，由於風速固有的間歇性特徵，風速預測任務具有挑戰性。本文開發了一種混合機器學習方法來預測短期風速。首先，使用連續變分模態分解（SVMD）將風數據分解為模態分量。然後，將每個子信號擬合到最小二乘支持向量機（LSSVM）模型中，其超參數由一種新型的量子行為粒子群優化（QPSO）變體——具有精英繁殖的QPSO（EBQPSO）優化。其次，使用長短期記憶模型（LSTM）對原始風速序列與SVMD模態總和之間的殘差進行建模。然後，使用LSSVM和LSTM模型的總和計算整體預測值。最後，使用從本地風電場收集的兩個獨立數據集，將所提出模型的性能與最先進的基準模型進行比較。實證結果表明，所提出的方法在性能上有顯著提高，與基準方法相比，均方根誤差（RMSE）減少了1.21%到32.76%，平均絕對誤差（MAE）減少了2.05%到40.75%。該工作的全部代碼實現可在Github上免費獲得。