基于小波变换的风电场短期风速组合预测

被引：62

作者：

田中大 ^{[1
]}

李树江 ^{[1
]}

王艳红 ^{[1
]}

高宪文 ^{[2
]}

机构：

[1] 沈阳工业大学信息科学与工程学院

[2] 东北大学信息科学与工程学院

来源：

电工技术学报 | 2015年 / 30卷 / 09期

基金：

国家自然科学基金重点项目;

关键词：

短期风速; 小波变换; 自回归求和滑动平均模型; 最小二乘支持向量机; 组合预测;

D O I：

10.19595/j.cnki.1000-6753.tces.2015.09.015

中图分类号：

TM614 [风能发电];

学科分类号：

0807 ;

摘要：

针对风电场短期风速的预测提出一种基于小波变换的组合预测方法。首先利用Mallat算法对短期风速时间序列进行db3小波三层分解与重构,得到短期风速时间序列的近似分量和细节分量。针对近似分量和细节分量的不同特性,对近似分量利用粒子群算法优化的最小二乘支持向量机进行预测,对细节分量利用自回归求和滑动平均模型进行预测。最后各预测模型预测值组合叠加得到最终的短期风速预测值。仿真结果表明该方法具有较高的预测准确度。

引用

页码：112 / 120

页数：9

共 22 条

[11]

Short-Term Wind Power Forecasting Based on Least-Square Support Vector Machine （LSSVM）[J] . Jiao Zhang,Lei Song.Applied Mechanics and Materials . 2014 (448)

[12]

Climate Change on the Northern Tibetan Plateau during 1957-2009: Spatial Patterns and Possible Mechanisms[J] . Cuo, Lan,Zhang, Yongxin,Wang, Qingchun,Zhang, Leilei,Zhou, Bingrong,Hao, Zhenchun,Su, Fengge.Journal of Climate . 2013 (1)

[13]

Comparison of two new ARIMA-ANN and ARIMA-Kalman hybrid methods for wind speed prediction[J] . Hui Liu,Hong-qi Tian,Yan-fei Li.Applied Energy . 2012

[14] Multiple architecture system for wind speed prediction [J].

Bouzgou, Hassen ;

Benoudjit, Nabil .

APPLIED ENERGY, 2011, 88 (07) :2463-2471

[15]

ARMA based approaches for forecasting the tuple of wind speed and direction[J] . Ergin Erdem,Jing Shi.Applied Energy . 2010 (4)

[16] Some thoughts on the development of cointegration [J].

Granger, Clive W. J. .

JOURNAL OF ECONOMETRICS, 2010, 158 (01) :3-6

[17]

A review on the forecasting of wind speed and generated power[J] . Ma Lei,Luan Shiyan,Jiang Chuanwen,Liu Hongling,Zhang Yan.Renewable and Sustainable Energy Reviews . 2008 (4)

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