基于CEEMD和膜计算优化支持向量机的风速预测

被引：21

作者：

殷豪

董朕

陈云龙

机构：

[1] 广东工业大学自动化学院

来源：

电力系统保护与控制 | 2017年 / 45卷 / 21期

基金：

广东省科技计划;

关键词：

互补经验模态分解; 膜计算优化算法; 支持向量回归机; 风速预测;

D O I：

暂无

中图分类号：

TM614 [风能发电]; TP18 [人工智能理论];

学科分类号：

080811 [新能源发电与电能存储]; 140502 [人工智能];

摘要：

为提高预测的可靠性和准确性,提出一个基于模态分解理论和膜计算优化算法的混合模型用于风速预测。与现有的风速预测方法相比,该模型提高了预测精度。该模型包括3个主要步骤:为了简化数据的复杂度,通过互补集合经验模式分解(CEEMD)将原始风电功率时间序列分解成几个固有模态函数(IMFs);对每个IMF分量单独建立膜计算优化算法优化支持向量机(MCO-SVR)的模型进行预测;叠加全部IMF分量的预测值作为最终的预测结果。建立包括单一的支持向量回归机模型、不同分解方法以及相同的分解方法但使用不同的优化算法在内的9种基本模型,来验证所提出的混合模型的优越性。实证研究表明,所提出的混合模型在预测精度上显著优于其他的基本模型。

引用

页码：27 / 34

页数：8

共 14 条

[1]

Comparison of new hybrid FEEMD-MLP; FEEMD-ANFIS; Wavelet Packet-MLP and Wavelet Packet-ANFIS for wind speed predictions.[J].Hui Liu;Hong-qi Tian;Yan-fei Li.Energy Conversion and Management.2015,

[2]

Current status and future advances for wind speed and power forecasting.[J].Jaesung Jung;Robert P. Broadwater.Renewable and Sustainable Energy Reviews.2014,

[3]

A hybrid model for wind speed prediction using empirical mode decomposition and artificial neural networks.[J].Hui Liu;Chao Chen;Hong-qi Tian;Yan-fei Li.Renewable Energy.2012,

[4]

Forecast of hourly average wind speed with ARMA models in Navarre (Spain).[J].J.L. Torres;A. García;M. De Blas;A. De Francisco.Solar Energy.2004, 1

[5]

采用正则化极限学习机的短期风速预测 [J].