基于CEEMD和模糊熵的随机森林风力发电功率预测

摘要：

提出一种基于完备总体经验模态分解(CEEMD)和模糊熵的随机森林(RF)风力发电功率预测模型.利用CEEMD将目标序列细分为若干子序列,放大输入变量波动对最终输出结果的影响.以模糊熵值大小作为重组的评判指标,将复杂程度相近的子序列重新组合成为若干新序列.再针对不同波动属性的序列建立随机森林模型并进行模型参数优化.实证分析表明推荐模型在选取数据集中具有更好的预测能力,从而验证了该方法在风力发电功率预测领域的可行性和有效性.

关键词：随机森林、完备总体经验模态分解、模糊熵、风电预测

所属期刊栏目：47

分类号：TM715(输配电工程、电力网及电力系统)

资助基金：高等学校学科创新引智计划资助项目B18021;教育部哲学社会科学重大课题攻关项目18JZD032

在线出版日期：2019-11-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：36-43