基于SAIGM-KELM的短期风电功率预测
针对时序下风电功率的随机性和波动性问题,提出一种基于自适应智能灰色系统(SAIGM)和遗传算法优化核极限学习机(GA-KELM)的混合风电功率预测模型.首先,以灰色关联性分析不同季度下风向量与数值气象预报(NWP)对风电功率的影响为基础,采用自适应智能灰色系统预测风速,并将预测的风速与相连时序下的风向和NWP有效整合作为预测样本.其次,利用遗传算法优化核极限学习机搭建风电功率预测模型,并将实际风向量与NWP有效整合作为预测模型的训练样本.最后,利用优化后的预测模型实现不同季节的风电功率预测.实验表明混合预测模型可实现对风电功率的短期预测,预测结果具有准确性和可靠性.
风电功率、灰色关联性、自适应智能灰色系统、遗传算法、核极限学习机
48
国家自然科学基金资助61973138
2020-11-02(万方平台首次上网日期,不代表论文的发表时间)
共10页
78-87