[发明专利]一种基于DWT和LSTM的短期风力发电功率预测方法及系统

摘要

本发明涉及分布式可再生能源的技术领域，更具体地，涉及一种基于DWT和LSTM的短期风力发电功率预测方法及系统，包括：将风力发电功率原始数据分解成低频信号和高频信号；采用z‑score标准化方法对低频信号和高频信号进行标准化处理，并使得标准化后的数据服从正态分布；将低频信号和高频信号按时间排序分为训练集、验证集以及测试集；采用独立的LSTM对训练集和验证集进行训练，并对每个信号的测试集进行预测得到各分量预测值，对各分量预测值求和得到预测结果。本发明能够更加充分地挖掘数据中近似信号包含的主要信息和细节信息包含的次要信息，能够有效地避免梯度消失和梯度爆炸的问题，能够较好地提升风力发电功率的预测精度。

主权项

1.一种基于DWT和LSTM的短期风力发电功率预测方法，其特征在于，包括以下步骤：S10.采集风力发电功率原始数据，并采用DWT将风力发电功率原始数据分解成低频信号和高频信号；S20.采用z‑score标准化方法对步骤S10中的低频信号和高频信号进行标准化处理，并使得标准化后的数据服从正态分布；S30.将步骤S20中标准化后的低频信号和高频信号按照时间排序分为训练集、验证集以及测试集；S40.采用独立的LSTM对每个信号的训练集和验证集进行训练，并对每个信号的测试集进行预测得到各分量预测值，对各分量预测值求和得到预测结果。