基于CEEMDAN-PE和QGA-BP的短期风速预测

• 作者: 周杰 岳有军 王红君 赵辉
• 来源期刊: 电子技术应用
• 学科: 工学
• 关键词: 风速预测 完整集成经验模态分解 排列熵 量子遗传算法 BP神经网络 组合模型
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 测控技术与仪器仪表
• 页码范围: 60-64
• 页数: 5页
• 分类号: TP206|TM614
• 字数: 3133字
• 语种: 中文
• DOI: 10.16157/j.issn.0258-7998.181492

摘要

为了提高风电场短期风速预测的精度,提出了一种基于自适应噪声的完整集成经验模态分解(CEEMDAN)-排列熵(PE)和量子遗传算法(QGA)优化BP神经网络的短期风速预测模型.首先采用CEEMDAN对原始风速时间序列进行分解,降低不同特征尺度序列间的相互影响;其次,为了减少计算规模,对分解得到的各个分量序列分别计算排列熵,将熵值相近的分量进行叠加形成新的序列;最后,针对BP神经网络在初始化权值和阈值的选取上存在随机性的问题,采用QGA对BP参数进行优化,分别对每个新的序列进行预测并将预测结果进行叠加得到最终的预测值.实例仿真结果表明,该组合模型提高了预测的精度,减小了误差,具有实际意义和工程应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	岳有军	天津理工大学天津市复杂系统控制理论与应用重点实验室	99	546	12.0	19.0
2	王红君	天津理工大学天津市复杂系统控制理论与应用重点实验室	89	630	11.0	22.0
3	赵辉	天津理工大学天津市复杂系统控制理论与应用重点实验室	109	841	15.0	25.0
7	周杰	天津理工大学天津市复杂系统控制理论与应用重点实验室	2	4	2.0	2.0