基于经验模态分解和小波包分解的组合风电功率预测模型分析

• 作者: 董朕 马留洋
• 来源期刊: 内蒙古电力技术
• 学科: 工学
• 关键词: 风电功率预测 经验模态分解 小波包分解 纵横交叉 神经网络
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 专题论述
• 页码范围: 15-21
• 页数: 7页
• 分类号: TM614
• 字数: 4721字
• 语种: 中文
• DOI: 10.3969/j.issn.1008-6218.2017.02.020

摘要

为了提高风电场输出功率的预测精度,提出一种基于经验模态分解(empirical mode decomposition,EMD)与小波包分解(wavelet packet decomposition,WPD)的组合分解方法,与纵横交叉算法(crisscross optimization,CSO)优化后的Elman神经网络组成组合风电功率预测模型.该模型首先利用EMD将风电功率序列进行分解,然后利用样本熵计算EMD分解后序列的复杂度.对于高复杂度序列,利用WPD对序列进行二次分解,建立EMD-WPD-CSO-Elman预测模型;对于复杂度适中的序列,采用CSO优化Elman神经网络参数,建立EMD-CSO-Elman预测模型;对于低复杂度序列,直接建立EMD-Elman预测模型.最后叠加各个序列的预测结果,得到最终的风电预测功率.以某风电场实际采集数据为例,预测提前24 h的风电功率,并与EMD-WPD-CSO-BP、EMD-Elman及WPD-Elman预测模型比较,结果表明,本文提出的风电功率预测组合模型具有更好的精度.

作者信息

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