基于EMD-LSTM-ARMA模型短期发电量组合预测

根据我国某地区2019年4月—9月某光伏电站的发电量数据,提出一种基于EMD-LSTM-ARMA的短期发电量混合预测模型。为了降低发电量序列的复杂度,首先将原始发电量数据通过经验模态分解后得到5个本征模态分量和1个残差分量,将归一化后的第一本征模态分量和第二本征模态分量数据输入设计好的LSTM网络中进行建模预测;然后通过ARMA模型对第三本征模态分量数据(IMF3)进行建模预测,再将第四本征模态分量、第五本征模态分量和残差分量进行重构得到一个低频分量,将该低频分量输入设计好的LSTM网络中进行建模预测;最终对各个分量得到的预测数据进行求和得到最终的预测值。为了表明所提算法的优良性,实证结果对比了单一LSTM和ARMA模型的预测性能,并选择了RMSE值进行了对比验证。实测结果中EMD-LSTM-ARMA的RMSE值为32.68,单一LSTM的RMSE值为58.74,单一ARMA模型的RMSE值为59.83。实证结果表明了给出的组合预测模型可以产生更高的预测准确度。

延伸期预报的低频分量预测模型（LFCF）研究和应用

数据驱动的简化低频模型预测方法是10～50天延伸期天气预报的主要方法之一，在分析3种低频分量预测模型（LFCF1．0，2．0和5．0）的特点和研究现状的基础上，主要研究了多变量回归模型（MLR，LFCF1．0）对夏季长江下游低频降水实时预报能力。对2001-2017年夏季长江下游20～50天低频降水未来55天的实时延伸预报结果表明，6、7、8月的预报准确率分别达到82．5％、94．1％、70．6％，能很好预报6～7月梅雨期和7～8月立夏长江下游地区持续强降水（高温少雨）时段的变化。