基于集合经验模式分解和遗传-高斯过程回归的短期风速概率预测

• 作者: 孙元章 崔明建 柯德平 甘迪
• 来源期刊: 电工技术学报
• 学科: 工学
• 关键词: 集合经验模式分解 高斯过程回归 遗传算法 风速 概率预测
• 年，卷（期）: 2015,（11）
• 所属期刊栏目: 电力系统及其自动化
• 页码范围: 138-147
• 页数: 10页
• 分类号: TM315
• 字数: 7284字
• 语种: 中文

摘要

短期风速概率预测对实现大规模风电并网具有重要意义.当前风速预测方法大多为点预测,无法描述风能的随机性.提出了一种基于集合经验模式分解(EEMD)和遗传-高斯过程回归(GA-GPR)的组合概率预测方法,首先对筛选和归一化后的风速时间序列进行集合经验模式分解,然后对各分量分别建立高斯过程回归模型,并引入遗传算法代替共轭梯度法,改进协方差函数的超参数寻优过程.最后叠加子序列预测结果得到风速概率预测结果,并与分位点回归法进行比较.仿真结果表明,该方法能够有效提高概率预测准确度,并为类似工程提供借鉴.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙元章	武汉大学电气工程学院	74	2604	26.0	50.0
2	崔明建	武汉大学电气工程学院	19	382	10.0	19.0
3	柯德平	武汉大学电气工程学院	16	246	8.0	15.0
4	甘迪	武汉大学电气工程学院	4	63	3.0	4.0