Resumen

La predicción de alta precisión de la energía eólica es importante para la planificación, la economía y el mantenimiento de la seguridad de una red eléctrica. Las características meteorológicas y la información estacional están estrechamente relacionadas con la predicción de la energía eólica. Este artículo propone un método híbrido para la predicción de la energía eólica a muy corto plazo que tiene en cuenta las características meteorológicas (dirección del viento, velocidad del viento, temperatura, presión atmosférica y humedad) y la información estacional. Los datos de energía eólica se descomponen en subsecuencias estacionarias utilizando la descomposición empírica de modos de conjunto (EEMD). El análisis de componentes principales (ACP) se utiliza para reducir las características meteorológicas redundantes y la complejidad del algoritmo. Con las subsecuencias estacionarias y las características meteorológicas extraídas como datos de entrada, se utiliza la red de memoria a corto plazo (LSTM) para completar la predicción de la energía eólica. Por último, se utiliza de forma innovadora la media móvil autorregresiva estacional integrada (SARIMA) para ajustar las características estacionales (trimestrales y mensuales) de la energía eólica y reconstruir los resultados de predicción de la LSTM. El método propuesto se utiliza para predecir la energía eólica de 15 minutos. En este estudio, se recogieron tres conjuntos de datos de un parque eólico de Laizhou para validar el rendimiento de predicción del método propuesto. Los resultados experimentales mostraron que la precisión de la predicción mejoraba significativamente cuando se tenían en cuenta las características meteorológicas y mejoraba aún más con la corrección estacional.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:predicción de la potencia eólica, características meteorológicas, información estacional, subsecuencias estacionarias, predicción de la potencia eólica de precisión, predicción de la potencia eólica a plazo, descomposición empírica de modos, datos de características meteorológicas, potencia eólica por minuto, análisis de componentes principales
• Keywords:wind power prediction, meteorological features, seasonal information, stationary subsequences, precision wind power prediction, term wind power prediction, empirical mode decomposition, meteorological features data, minute wind power, principal component analysis