基于聚类经验模态分解?样本熵和优化极限学习机的风电功率多步区间预测

摘要：

针对风电功率序列的不确定性和随机性特征，提出一种基于聚类经验模态分解-样本熵和优化极限学习机的多步区间预测模型。首先，利用聚类经验模态分解-样本熵方法将原始风电功率序列分解为一系列复杂度差异明显的子序列。然后，分别对各子序列建立基于上下界直接估量的区间预测模型。为分析不同区间构造的差异，提出一种体现训练目标值偏离区间范围影响的新型区间预测评估指标作为目标函数，并采用基于混沌萤火虫结合多策略融合自适应差分进化的优化算法寻求其最优解，以提高模型预测性能。最后，以某一风电场实际功率数据为算例，验证了所提模型能获得可靠优良的多步区间预测结果，可为风电功率多步不确定性预测提供一种新的有效途径。

关键词：多步区间预测、聚类经验模态分解-样本熵、极限学习机、多策略自适应差分进化

所属期刊栏目：40

分类号：TM715(输配电工程、电力网及电力系统)

在线出版日期：2016-08-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：2045-2051