基于ECBO-VMD-WKELM的风电功率超短期多步预测

摘要：

提出一种全新的集合强化物体碰撞优化算法(enhanced colliding bodies optimization,ECBO)、变分模态分解(variational mode decomposition,VMD)、小波核极限学习机(wavelet kernel extreme learning machine,WKELM)的超短期风电功率多步预测模型.针对VMD方法自适应性低的问题,提出将ECBO方法用于VMD核心参数自动寻优,且基于加权排列熵(wavelet kernel extreme learning machine,WPE)算法思想来设计ECBO-VMD方法适应度函数,在提高VMD分解方法自适应性的同时实现了对各分解分量规律性的定量判别.采用ECBO-VMD对原始风电功率时间序列进行自适应分解,然后针对各分解分量建立WKELM预测模型并进行重构以得到最终预测结果.实验结果表明,该方法较现有单一及组合预测方法,多步预测精度均取得了大幅度提高,且预测误差分布可控制在较窄的期望预测区间内.

关键词：风电功率预测、强化物体碰撞优化、变分模态分解、小波核极限学习机

所属期刊栏目：45

分类号：TM614(发电、发电厂)

资助基金：国家自然科学基金项目51667018

在线出版日期：2021-08-13（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：3070-3078