一种基于鹈鹕优化算法的VMD-PCA-LSTM超短期风电功率预测方法

本申请公开了一种基于鹈鹕优化算法的VMD‑PCA‑LSTM超短期风电功率预测方法，本方法包括数据预处理、功率序列模态分解、优化算法以及预测模型四个模块。首先通过四分位法清洗风电场异常数据，并插补缺失数据，采用能量差值法选择VMD分解子模态数，并对复杂波动的原始功率序列进行分解；其次，采用PCA对高维的气象数据进行主成分提取，降低特征数据的挖掘难度；最后，引入鹈鹕优化算法对LSTM预测模型的Dropout丢弃率、学习率、第一隐藏层单元数、第二隐藏层单元数这四维超参数进行自动寻优，以加速模型收敛，提高拟合精度。鹈鹕优化算法结构简洁，容易实现，并且具有良好的可扩展性，可以优化LSTM模型的参数，从而有效提高风电功率预测的精度。