Kurzfristige Vorhersage von Windkraft basierend auf Phasenraumrekonstruktion und BiLSTM

Angesichts der chaotischen Eigenschaften der Windkraftsequenz und in Kombination mit meteorologischen Informationen wird eine kurzfristige Vorhersagemethode für Windkraft auf Basis der Phasenraumrekonstruktion und des bidirektionalen Langzeit-Kurzzeitgedächtnisses (Re-BiLSTM) vorgeschlagen. Zunächst werden die Einbettungsdimension m und die Zeitverzögerung τ der Zeitreihe durch die C-C-Methode bestimmt, und die Windkraftdaten werden basierend auf dem Einbettungssatz rekonstruiert. Die rekonstruierten Daten und die normalisierten meteorologischen Daten (Windgeschwindigkeit, Windrichtung) werden dann als Eingaben verwendet, und das bidirektionale Langzeit-Kurzzeitgedächtnisnetzwerk (BiLSTM) wird zur kurzfristigen Vorhersage der Windkraft eingesetzt. Die Ergebnisse zeigen, dass Re-BiLSTM im Vergleich zu künstlichen neuronalen Netzwerken, BiLSTM, Random Forest und K-Nearest Neighbor einen geringeren Vorhersagefehler aufweist, was die Wirksamkeit des Modells umfassend beweist.