基于CEEMD和GWO的超短期风速预测

被引：39

作者：

王静

李维德

机构：

[1] 兰州大学数学与统计学院

来源：

电力系统保护与控制 | 2018年 / 46卷 / 09期

关键词：

本征模态函数; 互补型集成经验模态分解; 支持向量回归机; 灰狼优化算法; 超短期风速预测;

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：

风电场风速预测对电力系统的合理调度、安全运行等方面有重大的影响。针对风速时间序列的非线性特征造成其预测精度不佳的问题,采用基于互补型集成经验模态分解和灰狼优化算法优化支持向量回归机的超短期风速组合预测模型来解决。首先利用该模型对非平稳的风速时间序列进行CEEMD分解,分解为一系列的相对平稳分量。然后对各个分量利用灰狼算法优化SVR进行预测。最后,将每一个分量的预测结果集成输出作为最终的风速预测结果。结果表明,该预测模型比其他智能算法基准模型预测精度高,且在风速预测中具有优越性。

引用

页码：69 / 74

页数：6

共 16 条

[1]

Linear and non-linear autoregressive models for short-term wind speed forecasting.[J].M. Lydia;S. Suresh Kumar;A. Immanuel Selvakumar;G. Edwin Prem Kumar.Energy Conversion and Management.2016,

[2]

Grey Wolf Optimizer.[J].Seyedali Mirjalili;Seyed Mohammad Mirjalili;Andrew Lewis.Advances in Engineering Software.2014,

[3]

Support vector machines for wind speed prediction [J].