基于EEMD-HS-SVM的短期风功率组合预测模型

被引：16

作者：

姬广龙 ^{[1
]}

袁越 ^{[1
]}

黄俊辉 ^{[2
]}

关志坚 ^{[2
]}

吴涵 ^{[1
]}

杨苏 ^{[1
]}

机构：

[1] 河海大学能源与电气学院

[2] 国网江苏省电力公司经济技术研究院

来源：

可再生能源 | 2017年 / 35卷 / 08期

关键词：

短期风功率预测; 集合经验模态分解; 样本熵; 和声搜索; 支持向量机;

D O I：

10.13941/j.cnki.21-1469/tk.2017.08.018

中图分类号：

TM614 [风能发电];

学科分类号：

0807 ;

摘要：

随着电网中风电渗透率的逐年提高,对其出力进行精确预测是保障电网可靠运行的技术措施之一。文章建立了基于EEMD-HS-SVM短期风功率组合预测模型。采用EEMD分解技术对原始风功率序列做信息特征提取处理,将原始信号梯度化分解为一系列特征互异的本征模态函数,运用复杂统计理论体系下的样本熵作为特征,将特征相似的本征模态函数归类为尺度相异的新模态分量,根据新模态分量的局部特征与变化趋势,建立与之相对应的SVM预测模型。提出采用和声搜索算法优化SVM模型参数,有效改善了SVM算法存在的结构参数难以确定、训练效率低的不足。算例分析表明,EEMD-HS-SVM模型在风功率预测中具有较高的预测精度和预测效率。

引用

页码：1221 / 1228

页数：8

共 21 条

[1] 基于EEMD-LSSVM的超短期负荷预测 [J].