基于改进EMD 和RBFNN的短期风速预测模型

• 作者: 俞晓鹏 尹子中 文亮 邱强杰 陈众 黄健
• 来源期刊: 广东电力
• 学科: 工学
• 关键词: 风速预测 改进经验模态分解法 径向基函数神经网络
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 新能源发电与并网
• 页码范围: 34-38,44
• 页数: 6页
• 分类号: TM614|TB115
• 字数: 3170字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-290X.2016.04.006

摘要

为提高短期风速预测精度,提出改进经验模态分解法(empirical mode decomposition,EMD)与径向基函数神经网络(radial basis function neural network,RBFNN)相结合的短期风速预测模型。首先,利用极值点对称延拓法对预处理过的风速序列进行处理,以抑制传统EMD在分解过程中所引起的边缘效应,并引用分段三次埃米特插值法解决传统EMD包络线的过冲或欠冲问题；然后,利用改进 EMD 将风速序列分解成各本征模态(in-trinsic mode function,IMF)分量,再针对各分量分别构建各自的 RBFNN 模型进行预测；最后,将各分量的预测结果进行重构、叠加,得到最终的原始风速预测值。实验结果表明,改进的 EMD-RBFNN 预测模型能有效地提高风速预测精度,并具有一定的应用价值。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈众	长沙理工大学电气与信息工程学院	47	252	9.0	14.0
2	文亮	长沙理工大学电气与信息工程学院	41	316	10.0	16.0
3	尹子中	长沙理工大学电气与信息工程学院	3	13	3.0	3.0
4	俞晓鹏	长沙理工大学电气与信息工程学院	4	14	3.0	3.0
5	邱强杰	长沙理工大学电气与信息工程学院	4	17	3.0	4.0
6	黄健		1	6	1.0	1.0