基于EEMD-IGSA-LSSVM的超短期风电功率预测

被引：17

作者：

江岳春

杨旭琼

贺飞

陈礼锋

何钟南

机构：

[1] 湖南大学电气与信息工程学院

来源：

湖南大学学报(自然科学版) | 2016年 / 43卷 / 10期

关键词：

集合经验模态分解; 风功率预测; 最小二乘向量机; 改进引力搜索算法; 指数径向基核函数;

D O I：

10.16339/j.cnki.hdxbzkb.2016.10.009

中图分类号：

TM614 [风能发电]; TP18 [人工智能理论];

学科分类号：

0807 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

为了提高风电场输出功率的预测精度,在保证安全操作的前提下,建立了一种基于集合经验模态分解(EEMD)、改进引力搜索算法(IGSA)、最小二乘支持向量机(LSSVM)相结合的风电功率组合预测模型.首先运用EEMD算法将风电功率时间序列分解成一系列复杂度差异明显的子序列;其次利用相空间重构(PSR)对已分解好的子序列进行重构,对重构后的每个子序列分别建立IGSA-LSSVM预测模型,为分析不同核函数构造LSSVM的差异性,建立了8种核函数LSSVM预测模型,利用IGSA算法求解其模型;最后以中国内蒙古地区的某一风电场为算例,仿真及验算结果表明,利用IGSA算法寻优得到的指数径向基核函数核参数和惩罚因子构建的LSSVM模型具有较高的预测准确性;与EEMDWNN,EEMD-PSO-LSSVM等5种常规组合模型相比,所提出的指数径向基核函数的EEMD-IGSA-LSSVM组合模型能有效、准确地进行风电功率预测.

引用

页码：70 / 78

页数：9

共 21 条

[1] 平滑新能源输出波动的储能优化配置方法 [J].