一种基于数据解析的混合风向预测算法

为了建立准确的风向预测模型,提出一种基于数据解析的混合建模算法(DAHA).首先,为了获取预测模型的输入变量、减小输入维数,采用分类与回归树算法进行特征初选择.其次,利用变分模态分解(VMD)算法将原始风向数据分解为一系列子序列分别进行研究,并针对不同的子序列采用信息熵理论进行输入变量的二次降维,以进一步优化模型的输入结构.然后,采用高性能、高解析度的深度置信网络(DBN)构建风向预测模型.最后,为了进一步提高模型的预测精度,采用最小二乘支持向量机算法对预测值进行修正.通过实际风电场数据的分析显示,所提算法在超短期风向预测问题中预测误差小于1％,明显优于传统模型,对于风电场的偏航调度有重要的指导意义.