基于MRMR的集合经验模态分解和支持向量机的风电功率实时预测

被引：27

作者：

李国庆 ^{[1
]}

张钰 ^{[1
]}

张明江 ^{[2
]}

张礼珏 ^{[1
]}

机构：

[1] 东北电力大学电气工程学院

[2] 国网黑龙江省电力科学研究院

来源：

东北电力大学学报 | 2017年 / 37卷 / 02期

关键词：

风电功率; 实时预测; 最大相关最小冗余; 集合经验模态分解; 支持向量机;

D O I：

10.19718/j.issn.1005-2992.2017.02.007

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：

风电场的输出功率对风能的利用有很大意义,准确地对风电功率进行预测可以使系统安全稳定的运行。先分析得出与功率有关的变量,根据最大相关最小冗余(MRMR)原则筛选得出特征,使该特征能够代替整个风场。由于风电功率时间序列的非平稳性等特征,对风电功率时间序列采用集合经验模态分解,然后建立支持向量机预测模型。通过算例验证分析说明该方法的有效性,可以提高预测精度,减小误差。

引用

页码：39 / 44

页数：6

共 12 条

[1]

基于最大相关最小冗余的特征选择算法研究 [D].