基于改进EMD和RBFNN的短期风速预测模型

被引：5

作者：

尹子中 ^{[1
]}

陈众 ^{[1
]}

黄健 ^{[2
]}

俞晓鹏 ^{[1
]}

邱强杰 ^{[1
]}

文亮 ^{[1
]}

机构：

[1] 长沙理工大学电气与信息工程学院

[2] 邵阳市电力经济技术研究所

来源：

广东电力 | 2016年 / 29卷 / 04期

关键词：

风速预测; 改进经验模态分解法; 径向基函数神经网络;

D O I：

暂无

中图分类号：

TM614 [风能发电];

学科分类号：

0807 ;

摘要：

为提高短期风速预测精度,提出改进经验模态分解法(empirical mode decomposition,EMD)与径向基函数神经网络(radial basis function neural network,RBFNN)相结合的短期风速预测模型。首先,利用极值点对称延拓法对预处理过的风速序列进行处理,以抑制传统EMD在分解过程中所引起的边缘效应,并引用分段三次埃米特插值法解决传统EMD包络线的过冲或欠冲问题;然后,利用改进EMD将风速序列分解成各本征模态(intrinsic mode function,IMF)分量,再针对各分量分别构建各自的RBFNN模型进行预测;最后,将各分量的预测结果进行重构、叠加,得到最终的原始风速预测值。实验结果表明,改进的EMD-RBFNN预测模型能有效地提高风速预测精度,并具有一定的应用价值。

引用

页码：34 / 38+44 +44

页数：6

共 9 条

[1] 基于径向基神经网络的输电线路动态容量在线预测 [J].