基于经验模式分解和神经网络的短期风速组合预测

摘要：

风速时间序列具有很强的间歇性和随机性,属于非平稳时间序列.为提高预测精度,提出了经验模式分解法(EMD)和神经网络相结合的短期风速组合预测模型.该方法运用EMD将风速序列分解为一系列不同频率的相对平稳的分量,减少了不同特征信息之间的干扰;根据各个分量的变化规律,选择合适的神经网络模型来分别预测,对高频分量采用神经网络组合预测模型,低频分量采用合适的预测模型直接进行预测;将各分量预测值叠加得到最终预测值.算例结果表明,所提方法与单一的径向基神经网络模型(RBF)和支持向量机模型(SVM)相比,预测精度得到了大幅度的提高.

关键词：短期预测、经验模式分解、径向基神经网络、支持向量机、广义回归神经网络、组合预测

所属期刊栏目：40

分类号：TM614(发电、发电厂)

资助基金：国家"111"计划项目B08036;输配电装备及系统安全与新技术国家重点实验室自主研究项目2007DA10512709212

在线出版日期：2012-07-17（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：6-11,18