基于EWT-KELM方法的短期风电功率组合预测

• 作者: 卓泽赢 曹茜 李青
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: 经验小波变换 核极限学习机 组合预测 风电功率 风速-功率特性曲线
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 信息与能源
• 页码范围: 83-89,96
• 页数: 8页
• 分类号: TM641
• 字数: 5121字
• 语种: 中文
• DOI: 10.19753/j.issn1001-1390.2019.02.013

摘要

针对短期风电功率预测,提出一种基于经验小波变换(Empirical Wavelet Transform,EWT)预处理的核极限学习机(Extreme Learning Machine With Kernels,KELM)组合预测方法.首先采用EWT对风电场实测风速数据进行自适应分解并提取具有傅立叶紧支撑的模态信号分量,针对每个分量分别构建KELM预测模型,最后对各个预测模型的输出进行叠加得到风速预测值并根据风电场风功特性曲线可得对应风电功率预测值,为验证本文方法的有效性,将其应用于国内某风电场的短期风电功率预测中,在同等条件下,与KELM方法、极限学习机(Extreme Learning Machine,ELM)方法、支持向量机(Support Vector Mmachine,SVM)方法以及BP (Back Propagation Neural Network)方法对比,实验结果表明,本文所提方法具有较好的预测精度和应用潜力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李青	国网新疆电力有限公司电力科学研究院	4	20	3.0	4.0
2	卓泽赢		1	7	1.0	1.0
3	曹茜	国网新疆电力有限公司经济技术研究院	1	7	1.0	1.0