基于小波分解和极限学习机的短期风速组合预测研究

• 作者: 尹笋 杨楠 汪小明 肖猛
• 来源期刊: 可再生能源
• 学科: 工学
• 关键词: 风速 预测 极限学习机 小波分解 相空间重构
• 年，卷（期）: 2015,（8）
• 页码范围: 1159-1163
• 分类号: TM76
• 语种: 中文

摘要

提出一种基于小波分解(Wavelet Decomposition,WD)和极限学习机(Extreme Learning Machine,ELM)的新型短期风速组合预测模型.首先,采用小波分解将风速序列分解成不同频段的分量,以降低序列的非平稳性;其次,为避免极限学习机输入维数选取的随意性等问题,先对各分量进行重构相空间,再使用改进的极限学习机对各分量分别建模预测;最后,将各分量预测结果叠加得到最终预测结果.实验结果表明,文章所提的组合预测模型具有较高的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨楠	三峡大学新能源微电网湖北省协同创新中心	13	34	3.0	5.0