基于EWT和分位数回归森林的短期风电功率概率密度预测

被引：34

作者：

孙国强 ^{[1
]}

梁智 ^{[1
]}

俞娜燕 ^{[2
]}

倪晓宇 ^{[3
]}

卫志农 ^{[1
]}

臧海祥 ^{[1
]}

周亦洲 ^{[1
]}

机构：

[1] 河海大学能源与电气学院

[2] 国网无锡供电公司

[3] 无锡扬晟科技股份有限公司

来源：

电力自动化设备 | 2018年 / 08期

关键词：

经验小波变换; 分位数回归森林; 核密度估计; 概率密度; 短期风电功率预测; 模型;

D O I：

暂无

中图分类号：

TM614 [风能发电];

学科分类号：

080811 [新能源发电与电能存储];

摘要：

概率密度预测能够给出未来风电功率可能的波动范围、预测值出现的概率及不确定性等更多信息,提出基于经验小波变换(EWT)和分位数回归森林的短期风电功率概率密度组合预测模型。首先,采用新型自适应信号处理方法——经验小波变换,将原始风电功率序列分解为一系列频率特征互异的经验模式;然后,对每一经验模式序列分别构建分位数回归森林预测模型,得到任意分位点条件下的预测结果,通过叠加不同经验模式预测结果获得最终的短期风电功率预测值;最后,对预测值条件分布采用核密度估计获得任意时刻概率密度预测。仿真结果验证了所提模型的有效性。

引用

页码：158 / 165

页数：8

共 20 条

[1]

基于变分模态分解和蝙蝠算法-相关向量机的短期风速区间预测 [J].