共 19 条
- [4] 风电集群短期及超短期功率预测精度改进方法综述[J]. 中国电机工程学报, 2016, 36 (23) : 6315 - 6326+6596彭小圣熊磊文劲宇程时杰邓迪元冯双磊王勃
基于EEMD和LS-SVM模型的风电功率短期预测方法
被引：85
作者：
程启明
[1
]
陈路
[1
]
程尹曼
[2
]
张强
[1
]
高杰
[1
]
机构：
[1] 上海电力学院自动化工程学院上海市电站自动化技术重点实验室
[2] 上海电力公司市北供电分公司
来源：
基金：
上海市自然科学基金;
关键词：
微电网;
功率预测;
风电场;
模态分解;
支持向量机;
相空间重构;
果蝇优化算法;
D O I：
10.16081/j.issn.1006-6047.2018.05.004
中图分类号：
TM614 [风能发电];
学科分类号：
0807 ;
摘要：
原始风速信号具有的间歇波动性特征给风电场的功率预测带来了挑战,采用集合经验模态分解(EEMD)法将原始风速信号分解为频域稳定的子序列,有效地提高了预测精度,避免了传统经验模态分解(EMD)存在的模态混叠现象。提出一种改进型果蝇优化算法(FOA),将风速子序列重构参数和最小二乘支持向量机(LS-SVM)参数作为优化目标建立风速预测模型,扩大了参数搜索范围,提高了优化收敛速度;通过风速-风功率转化关系可以求得风电场的功率值。实验结果验证了所提方法相比于EMD和LS-SVM预测方法具有更高的预测精度。
引用
收藏
页码：27 / 35
页数：9
相关论文