10.3969/j.issn.1007-290X.2016.04.006
基于改进EMD 和RBFNN的短期风速预测模型
为提高短期风速预测精度,提出改进经验模态分解法(empirical mode decomposition,EMD)与径向基函数神经网络(radial basis function neural network,RBFNN)相结合的短期风速预测模型。首先,利用极值点对称延拓法对预处理过的风速序列进行处理,以抑制传统EMD在分解过程中所引起的边缘效应,并引用分段三次埃米特插值法解决传统EMD包络线的过冲或欠冲问题;然后,利用改进 EMD 将风速序列分解成各本征模态(in-trinsic mode function,IMF)分量,再针对各分量分别构建各自的 RBFNN 模型进行预测;最后,将各分量的预测结果进行重构、叠加,得到最终的原始风速预测值。实验结果表明,改进的 EMD-RBFNN 预测模型能有效地提高风速预测精度,并具有一定的应用价值。
风速预测、改进经验模态分解法、径向基函数神经网络
29
TM614;TB115(发电、发电厂)
2016-06-13(万方平台首次上网日期,不代表论文的发表时间)
共6页
34-38,44