共 11 条
基于集合经验模态分解和改进极限学习机的短期风速组合预测研究
被引：17
作者：
张翌晖
[1
]
王贺
[2
]
胡志坚
[2
]
王凯
[1
]
黄东山
[1
]
宁文辉
[1
]
张承学
[2
]
机构：
[1] 广西电力科学研究院
[2] 武汉大学电气工程学院
来源：
基金：
中央高校基本科研业务费专项资金资助;
关键词：
风速;
预测;
改进极限学习机;
集合经验模态分解;
相空间重构;
D O I：
暂无
中图分类号：
TM614 [风能发电];
学科分类号：
0807 ;
摘要：
提出一种基于集合经验模态分解(Ensemble empirical mode decomposition)和改进极限学习机(Improved Extreme Learning Machine,IELM)的新型短期风速组合预测模型。采用集合经验模态分解将风速序列分解成不同频段的分量,以降低序列的非平稳性。使用改进极限学习机对各分量分别建模预测,为避免极限学习机输入维数选取的随意性和分量信息丢失等问题,先对各分量重构相空间,最后将各分量预测结果叠加得到最终预测结果。实例研究表明,所提的组合预测模型具有较高的预测精度。
引用
收藏
页码：29 / 34
页数：6
相关论文