改进的EMD及其在风电功率预测中的应用

被引：11

作者：

王鹏 ^{[1
,2
]}

陈国初 ^{[1
]}

徐余法 ^{[1
]}

俞金寿 ^{[2
]}

机构：

[1] 上海电机学院电气学院

[2] 华东理工大学信息科学与工程学院

来源：

控制工程 | 2011年 / 18卷 / 04期

基金：

上海市自然科学基金;

关键词：

经验模态分解; Hermite插值; 人工神经网络; 风电功率; 预测;

D O I：

10.14107/j.cnki.kzgc.2011.04.016

中图分类号：

TM614 [风能发电];

学科分类号：

0807 ;

摘要：

针对非平稳信号在经验模态分解(Empirical Mode Decomposition,EMD)过程中包络拟合时出现的过冲/欠冲问题,提出采用分段三次Hermite插值代替三次样条插值作为新的包络拟合算法。针对神经网络对非平稳性功率序列预测困难问题,采用EMD和神经网络相结合的方法对发电功率进行预测。使用改进的EMD对功率序列进行分解,降低序列的非平稳性,然后使用神经网络对各分量进行预测,最后通过叠加得到预测结果。利用该方法对东北某风电场进行功率预测,仿真结果表明,与其他方法相比,基于改进的EMD-ANN方法具有较高的预测精度。

引用

页码：588 / 591+599 +599

页数：5

共 6 条

[1]

风电场功率短期预测方法研究.[D].韩爽.华北电力大学（北京）.2008, 02

[2] Improvements in wind speed forecasts for wind power prediction purposes using Kalman filtering [J].