基于改进快速集合经验模态分解和Elman-Adaboost的短期风速预测方法

• 作者: 毕贵红 王凯 蒲娴怡 陈仕龙 高晗
• 来源期刊: 电力科学与工程
• 学科: 工学
• 关键词: 快速集合经验模态分解 端点效应 余弦窗函数 Elman-Adaboost
• 年，卷（期）: 2020,（5）
• 页码范围: 32-39
• 页数: 8页
• 分类号: TM614
• 字数: 5274字
• 语种: 中文
• DOI: 10.3969/j.ISSN.1672-0792.2020.05.005

摘要

针对风电场风速时序的不可控特性以及短期风速预测精度低的问题,提出基于改进快速集合经验模态分解(fast ensemble empirical mode decomposition,FEEMD)和Elman-Adaboost的组合预测模型.首先,采用加余弦函数改进FEEMD方法将风速数据分解为相对平稳的本征模态函数分量;然后,运用样本熵(sample entropy,SE)计算分量复杂度并按复杂度对分量进行重构;最后,基于Elman-Adaboost方法的单步直接预测方法来预测重构后分量下一天24 h的风速值,将所有分量的预测叠加得到最终的预测结果.选择预测点时间前24、48和72 h风速数据作为神经网络的输入维数,比较不同维数对预测精度的影响.实验证明,改进FEEMD-SE-Elman-Adaboost组合预测模型可以有效地提高风电场短期预测的精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	毕贵红	昆明理工大学电力工程学院	76	578	13.0	20.0
2	王凯	昆明理工大学电力工程学院	23	175	8.0	12.0
3	陈仕龙	昆明理工大学电力工程学院	34	454	12.0	20.0
4	高晗	昆明理工大学电力工程学院	2	0	0.0	0.0
5	蒲娴怡	昆明理工大学电力工程学院	1	0	0.0	0.0