基于EMD与SVM的风电功率短期预测

• 作者: 徐叔阳 王鹏 肖燕彩 韩肖
• 来源期刊: 北京交通大学学报
• 学科: 工学
• 关键词: 风电功率 预测 支持向量机 经验模式分解法
• 年，卷（期）: 2012,（4）
• 所属期刊栏目: 机械与电子控制工程
• 页码范围: 139-143,148
• 分类号: TM614
• 字数: 3402字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-0291.2012.04.028

摘要

由于风电存在着不确定性,风电功率预测对于接入大量风电的电力系统意义重大.为了提高风电功率的预测精度,本文建立了基于经验模式分解法(EMD)与支持向量机(SVM)的复合预测模型考虑到风力机组的输出有很强的非线性,该模型首先将训练数据按风速大小分成高、中、低3组,然后对各组的风电功率样本序列进行经验模式分解,并建立各个频带分量的支持向量机预测模型,各模型的预测结果等权求和即得到最终的功率预测值.使用风电场现场采集数据的预测结果,验证了该方法的可行性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖燕彩	北京交通大学机械与电子控制工程学院	19	401	11.0	19.0
2	王鹏	北京交通大学机械与电子控制工程学院	31	210	8.0	13.0
3	韩肖		2	14	2.0	2.0
4	徐叔阳	天津工业大学理学院	2	11	1.0	2.0