基于VMD-IGWO-SVM的风电功率超短期预测研究

• 作者: 沈岳峰 都洪基
• 来源期刊: 电气化铁道
• 学科: 工学
• 关键词: 风电功率超短期预测 变分模态分解 改进灰狼算法 支持向量机 预测精度
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 设计与研究
• 页码范围: 20-25
• 页数: 6页
• 分类号: TM715
• 字数: 4103字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-936X.2019.01.005

摘要

为了提高风电功率预测精度,保证风能的有效利用,提出一种基于变分模态分解和改进灰狼算法优化支持向量机的风电功率超短期组合预测模型.采用变分模态分解将风电功率序列分解为一系列具有不同中心频率的模态分量以降低其随机性,将各分量分别建立支持向量机预测模型,并采用改进灰狼算法对其参数寻优,将各分量的预测值叠加重构得到最终的预测值.实例仿真表明,所提的组合预测模型与其他预测模型相比具有更高的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	都洪基	南京理工大学自动化学院	53	444	11.0	19.0
2	沈岳峰	南京理工大学自动化学院	4	16	3.0	4.0