基于EEMD⁃PSO⁃SVM的短期风电功率预测

摘要：

针对风电功率预测精度不高的问题,建立基于EEMD?PSO?SVM的短期风电功率组合预测模型.利用集合经验模态分解法将不平稳的原始风电功率序列分解为不同复杂度的子序列,对这些子序列分别建立相应的SVM预测模型.由于支持向量机的惩罚因子和核函数参数选择对预测精度有很大影响,因此应用粒子群算法对支持向量机参数进行寻优,用优化好的参数进行建模训练,通过叠加各分量的预测结果得到最终风电功率预测值,最后对仿真结果进行分析.预测结果表明,基于EEMD?PSO?SVM的组合模型和单一模型相比可有效降低误差,在风力发电功率预测中有更好的可靠性和准确性.

关键词：风电功率预测;模态分解;预测模型;参数寻优;组合模型;建模训练;仿真结果分析

所属期刊栏目：44

分类号：TN99-34;TM614

资助基金：国家自然科学基金项目61761049

在线出版日期：2021-08-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：89-93