基于经验模态分解的PSO-SVM风电功率短期预测

• 作者: 于惠钧 李林 田淑慧 赵巧红
• 来源期刊: 湖南工业大学学报
• 学科: 工学
• 关键词: 功率预测 经验模态分解 参数寻优 支持向量机
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 电气工程
• 页码范围: 59-64
• 页数: 6页
• 分类号: TM614
• 字数: 4036字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-9833.2018.03.011

摘要

针对风电功率预测对精确度的要求,结合风电机组功率特性曲线及支持向量机非线性拟合,提出了一种基于经验模态分解(EMD)的粒子群算法(PSO)优化支持向量机(SVM)功率短期预测模型.即将EMD分解后的各个风速序列分量通过PSO-SVM模型预测,将得到的各分量预测结果叠加后得到风速预测值,将该值输入功率转化曲线,即可得到最终的风电功率预测结果,以实现对风电机组功率的预测.通过对某地区风电场实际风速为例进行的仿真误差对比分析,得知该组合预测模型不仅有效可行,且有效提高了短期风电功率的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于惠钧	湖南工业大学电气与信息工程学院	53	191	7.0	11.0
2	李林	湖南工业大学电气与信息工程学院	9	44	5.0	6.0
3	田淑慧	湖南工业大学电气与信息工程学院	4	18	3.0	4.0
4	赵巧红	湖南工业大学电气与信息工程学院	1	7	1.0	1.0