基于EEMD和LS-SVM模型的风电功率短期预测方法

摘要：

原始风速信号具有的间歇波动性特征给风电场的功率预测带来了挑战,采用集合经验模态分解(EEMD)法将原始风速信号分解为频域稳定的子序列,有效地提高了预测精度,避免了传统经验模态分解(EMD)存在的模态混叠现象.提出一种改进型果蝇优化算法(FOA),将风速子序列重构参数和最小二乘支持向量机(LS-SVM)参数作为优化目标建立风速预测模型,扩大了参数搜索范围,提高了优化收敛速度;通过风速-风功率转化关系可以求得风电场的功率值.实验结果验证了所提方法相比于EMD和LS-SVM预测方法具有更高的预测精度.

关键词：微电网、功率预测、风电场、模态分解、支持向量机、相空间重构、果蝇优化算法

所属期刊栏目：38

分类号：TM615(发电、发电厂)

资助基金：国家自然科学基金资助项目61573239;上海市重点科技攻关计划项目14110500700;上海市电站自动化技术重点实验室项目13DZ2273800;上海市自然科学基金资助项目15ZR1418600

在线出版日期：2018-08-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：27-35