基于经验模态分解和支持向量机的短期风电功率组合预测模型
针对风速序列随时间、空间呈现非平稳性变化的特征,提出一种基于经验模态分解(empirical mode decomposition,EMD)和支持向量机(support vector machine,SVM)的EMD-SVM短期风电功率组合预测方法。该方法首先利用EMD将风速序列分解为一系列相对平稳的分量,以减少不同特征信息间的相互影响;然后利用SVM法对各分量建立预测模型,针对各序列自身特点选择不同的核函数和相关参数来处理各组不同数据,以提高单个模型预测精度。最后将风速预测结果叠加并输入功率转化曲线以得到风电功率预测结果。研究结果表明,EMD-SVM组合预测模型能更好地跟踪风电功率的变化,其预测误差比单一统计模型降低了5%~10%,有效地提高了短期风电功率预测的精度。
经验模态分解、支持向量机、风速、短期风电功率预测、组合预测模型
31
TM71(输配电工程、电力网及电力系统)
国家自然科学基金项目51077126,51174290;教育部科学技术重点研究项目109017;教育部新世纪优秀人才支持计划NCET-08-0543;北京市自然科学基金项目3113029~~
2012-04-21(万方平台首次上网日期,不代表论文的发表时间)
共7页
102-108