基于集合经验模态分解的组合风速预测方法

• 作者: 张亚刚 王鹏卉 雷爽
• 来源期刊: 电力科学与工程
• 学科: 工学
• 关键词: 风速预测 集合经验模态分解 GM(2,1)模型 神经网络 小波分解
• 年，卷（期）: 2018,（1）
• 页码范围: 18-23
• 页数: 6页
• 分类号: TM614
• 字数: 4633字
• 语种: 中文
• DOI: 10.3969/j.ISSN.1672-0792.2018.01.004

摘要

风速具有很强的波动性、随机性和间歇性,大规模的风电并网时给电网的安全性和稳定性带来严峻的挑战.精确的风速预测可以有效地提升电网运行的安全性.为此,基于集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)和GM(2,1)模型,提出一种对风速变化趋势进行预测的组合风速预测模型,并利用小波分解与神经网络方法对模型进行了深度改进,从而得到一种具有良好预测精度的组合预测方法.实际算例结果表明,与简单的GM(2,1)预测方法以及集合经验模态分解和神经网络的组合预测方法相比,该方法显著降低了平均绝对误差与平均绝对百分误差,具有理想的预测结果,具有广阔的实际应用前景.