基于可变模式分解和NWCSO优化极限学习机的短期风速预测

• 作者: 殷豪 董朕 马留洋
• 来源期刊: 电力建设
• 学科: 工学
• 关键词: 短期风速预测 可变模式分解 NW小世界纵横交叉算法 极限学习机
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 人工智能在新一代能源电力系统中的应用
• 页码范围: 36-43
• 页数: 8页
• 分类号: TM614
• 字数: 6897字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-7229.2017.06.006

摘要

针对风速时间序列的非线性特征导致其难以准确预测的问题,提出一种基于可变模式分解(variational mode decomposition,VMD)和动态NW小世界纵横交叉算法(dynamic NW small world crisscross optimization,NWCSO)优化极限学习机的短期风速组合预测模型.采用一种新型的可变模式分解技术,将原始风速时间序列分解为一系列不同带宽的模式分量以降低其非线性,然后对全部分量分别建立极限学习机模型进行预测,并采用小世界纵横交叉算法对极限学习机的输入权值和隐含层偏置进行优化,以获得最佳的预测效果.实验结果表明,基于VMD的组合预测模型较采用其他常规分解方式时预测精度明显提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	殷豪	广东工业大学自动化学院	51	287	10.0	14.0
2	董朕	广东工业大学自动化学院	11	94	6.0	9.0
3	马留洋	广东工业大学自动化学院	9	39	4.0	6.0