基于EMD与SVM的风电功率短期预测

被引：18

作者：

肖燕彩 ^{[1
]}

王鹏 ^{[1
]}

韩肖 ^{[2
]}

徐叔阳 ^{[3
]}

机构：

[1] 北京交通大学机械与电子控制工程学院

[2] 国电南瑞科技股份有限公司电网控制分公司

[3] 天津工业大学理学院

来源：

北京交通大学学报 | 2012年 / 04期

基金：

中央高校基本科研业务费专项资金资助;

关键词：

风电功率; 预测; 支持向量机; 经验模式分解法;

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：

由于风电存在着不确定性,风电功率预测对于接入大量风电的电力系统意义重大.为了提高风电功率的预测精度,本文建立了基于经验模式分解法(EMD)与支持向量机(SVM)的复合预测模型.考虑到风力机组的输出有很强的非线性,该模型首先将训练数据按风速大小分成高、中、低3组,然后对各组的风电功率样本序列进行经验模式分解,并建立各个频带分量的支持向量机预测模型,各模型的预测结果等权求和即得到最终的功率预测值.使用风电场现场采集数据的预测结果,验证了该方法的可行性和有效性.

引用

页码：139 / 143+148 +148

页数：6

共 8 条

[1]

风电场风速及风电功率预测方法研究综述 [J].