基于EEMD-IGSA-LSSVM的超短期风电功率预测?

• 作者: 何钟南 杨旭琼 江岳春 贺飞 陈礼锋
• 来源期刊: 湖南大学学报（自然科学版）
• 关键词: 集合经验模态分解 风功率预测 最小二乘向量机 改进引力搜索算法 指数径向基核函数
• 年，卷（期）: 2016,（10）
• 所属期刊栏目: 【电气与信息工程】
• 页码范围: 70-78
• 页数: 9页
• 分类号: TU375
• 语种: 中文

摘要

为了提高风电场输出功率的预测精度,在保证安全操作的前提下,建立了一种基于集合经验模态分解(EEMD)、改进引力搜索算法(IGSA)、最小二乘支持向量机(LSS-V M)相结合的风电功率组合预测模型。首先运用EEMD算法将风电功率时间序列分解成一系列复杂度差异明显的子序列；其次利用相空间重构(PSR)对已分解好的子序列进行重构,对重构后的每个子序列分别建立IGSA-LSSVM预测模型,为分析不同核函数构造LSS-VM的差异性,建立了8种核函数 LSSVM预测模型,利用 IGSA 算法求解其模型；最后以中国内蒙古地区的某一风电场为算例,仿真及验算结果表明,利用IGSA算法寻优得到的指数径向基核函数核参数和惩罚因子构建的LSSVM模型具有较高的预测准确性；与 EEMD-WNN,EEMD-PSO-LSSVM等5种常规组合模型相比,所提出的指数径向基核函数的 EE-MD-IGSA-LSSVM组合模型能有效、准确地进行风电功率预测。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	江岳春	湖南大学电气与信息工程学院	53	376	10.0	17.0
2	何钟南	湖南大学电气与信息工程学院	2	17	2.0	2.0
3	杨旭琼	湖南大学电气与信息工程学院	2	14	2.0	2.0
4	陈礼锋	湖南大学电气与信息工程学院	2	14	2.0	2.0
5	贺飞	湖南大学电气与信息工程学院	2	14	2.0	2.0