基于CEEMD和混沌理论的超短期风电功率预测模型

被引：4

作者：

王丽婕 ^{[1
]}

张利 ^{[1
]}

张岩 ^{[2
]}

机构：

[1] 北京信息科技大学自动化学院

[2] 国网北京电力科学研究院

来源：

系统仿真学报 | 2018年 / 04期

关键词：

风功率; 预测; 互补集合经验模态分解; 最小二乘支持向量机; 相空间重构;

D O I：

10.16182/j.issn1004731x.joss.201804043

中图分类号：

TM614 [风能发电];

学科分类号：

0807 ;

摘要：

提出一种基于互补集合经验模态分解和混沌理论的风电功率超短期预测的方法。首先对风电功率时间序列进行互补集合经验模态分解(Complementary Ensemble Empirical Mode Decomposition,CEEMD),以降低序列的非平稳性,CEEMD可以很好地克服经验模态分解的模态混叠问题;利用混沌相空间重构方法对各子序列的特征进行提取,为建模时输入维数的选取提供依据;利用最小二乘支持向量机方法对各子序列分别建模及预测;将预测结果叠加起来。通过对内蒙古某风电场的发电功率进行预测,证实了该模型的有效性,与传统的经验模态分解和神经网络结合的模型相比较,平均绝对误差减小了3.8%。

引用

页码：1560 / 1565

页数：6

共 8 条

[1] 基于EEMD-LSSVM的超短期负荷预测 [J].

王新 ;

孟玲玲 .

电力系统保护与控制, 2015, 43 (01) :61-66

[2] 基于卡尔曼滤波的风速序列短期预测方法 [J].

修春波 ;

任晓 ;

李艳晴 ;

刘明凤 .

电工技术学报, 2014, 29 (02) :253-259

[3] 基于预测误差校正的支持向量机短期风速预测 [J].

周松林 ;

茆美琴 ;

苏建徽 .

系统仿真学报, 2012, (04) :769-773

[4] 风电场风速及风电功率预测方法研究综述 [J].

洪翠 ;

林维明 ;

温步瀛 .

电网与清洁能源, 2011, 27 (01) :60-66

[5] 一种基于EMD的短期风速多步预测方法 [J].

刘兴杰 ;

米增强 ;

杨奇逊 ;

樊小伟 .

电工技术学报, 2010, 25 (04) :165-170

[6] 基于人工神经网络的风电功率预测 [J].

范高锋 ;

王伟胜 ;

刘纯 ;

戴慧珠 .

中国电机工程学报, 2008, (34) :118-123

[7]

A New Approach to Very Short Term Wind Speed Prediction Using k-Nearest Neighbor Classification[J] . Mehmet Yesilbudak,Seref Sagiroglu,Ilhami Colak. Energy Conversion and Management . 2013

[8]

Current methods and advances in forecasting of wind power generation[J] . Aoife M. Foley,Paul G. Leahy,Antonino Marvuglia,Eamon J. McKeogh. Renewable Energy . 2011 (1)

← 1 →