基于集合经验模态分解和小波神经网络的短期风功率组合预测

• 作者: 仉梦林 李晨 王贺 胡志坚 贺建波 陈珍
• 来源期刊: 电工技术学报
• 学科: 工学
• 关键词: 风功率 预测 集合经验模态分解 小波神经网络 组合模型
• 年，卷（期）: 2013,（9）
• 所属期刊栏目: 可再生能源与分布式发电并网技术
• 页码范围: 137-144
• 页数: 8页
• 分类号: TM315
• 字数: 5407字
• 语种: 中文

摘要

从挖掘风功率特性出发,提出一种基于集合经验模态分解(EEMD)和小波神经网络(WNN)的新型风功率组合预测模型.首先对风功率序列进行集合经验模态分解,以降低风功率序列的非平稳性特征；其次基于相空间重构挖掘各子序列的统计特性,以避免预测模型输入维数选取的随意性；然后对各子序列建立小波神经网络预测模型；最后叠加各子序列预测结果得到风功率预测值.实例研究表明本文所提的组合预测模型具有较高的预测精度和较大的工程应用潜力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡志坚	武汉大学电气工程学院	119	2526	24.0	48.0
2	王贺	武汉大学电气工程学院	20	528	8.0	20.0
3	贺建波	武汉大学电气工程学院	7	192	6.0	7.0
4	陈珍	武汉大学电气工程学院	6	162	5.0	6.0
5	仉梦林	武汉大学电气工程学院	13	262	7.0	13.0
6	李晨	武汉大学电气工程学院	32	321	7.0	17.0