基于AMD-ICSA-SVM的超短期风电功率组合预测

被引：24

作者：

李燕青

袁燕舞

郭通

机构：

[1] 河北省输变电设备安全防御重点实验室(华北电力大学)

来源：

电力系统保护与控制 | 2017年 / 45卷 / 14期

关键词：

解析模态分解; 改进布谷鸟; 支持向量机; 组合预测;

D O I：

暂无

中图分类号：

TM614 [风能发电];

学科分类号：

0807 ;

摘要：

针对风机出力的随机性、波动性和不确定性,提出了一种基于解析模态分解(AMD)和改进布谷鸟优化支持向量机(ICSA-SVM)参数的超短期风电功率组合预测方法。首先,利用解析模态分解将风功率序列分解为不同频率范围的分量,减小不同频率范围间的相互影响。然后针对各序列特点,采用改进布谷鸟方法分别寻找各自支持向量机的惩罚因子参数和核函数参数,以提高单个模型的预测精度。最后对预测结果进行叠加和误差分析。仿真算例表明,所提出的方法可以很好地跟踪风电功率的变化,有效地提高风电功率预测精度。

引用

收藏

页码：113 / 120

页数：8

相关论文

共 24 条

[1] 基于季风提高空间相关性预测的优化延迟时间 [J].

杨正瓴 ;

杨钊 ;

张玺 ;

朱新山 ;

张军 .

电力系统保护与控制, 2016, 44 (15) :33-38

[2] 优化遗传算法寻优的SVM在短期风速预测中的应用 [J].

颜晓娟 ;

龚仁喜 ;

张千锋 .

电力系统保护与控制, 2016, 44 (09) :38-42

[3] 基于小波变换和改进萤火虫算法优化LSSVM的短期风速预测 [J].

方必武 ;

刘涤尘 ;

王波 ;

闫秉科 ;

汪勋婷 .

电力系统保护与控制, 2016, 44 (08) :37-43

[4] 风电功率预测方法综述 [J].

钱政 ;

裴岩 ;

曹利宵 ;

王婧怡 ;

荆博 .

高电压技术, 2016, 42 (04) :1047-1060

[5] 基于解析模态分解的机械故障诊断方法 [J].

时培明 ;

苏翠娇 ;

赵娜 ;

韩东颖 .

中国机械工程, 2016, 27 (05) :674-679

[6] 大用户电力负荷的多模型模糊综合预测 [J].

谷云东 ;

张素杰 ;

冯君淑 .

电工技术学报, 2015, 30 (23) :110-115

[7] 太阳能热发电集热系统终端受限非线性模型预测控制 [J].

路小娟 ;

董海鹰 .

热力发电, 2015, (10) :63-67

[8] 一种新的风电场风速时间序列建模及超短期预测方法 [J].

李卫 ;

席林 .

电网与清洁能源, 2015, 31 (09) :78-82

[9] 基于改进最小二乘支持向量机和预测误差校正的短期风电负荷预测 [J].

李霄 ;

王昕 ;

郑益慧 ;

李立学 ;

生西奎 ;

吴昊 .

电力系统保护与控制, 2015, 43 (11) :63-69

[10] 基于ANFIS和减法聚类的动力电池放电峰值功率预测 [J].

孙丙香 ;

高科 ;

姜久春 ;

罗敏 ;

何婷婷 ;

郑方丹 ;

郭宏榆 .

电工技术学报, 2015, 30 (04) :272-280