基于PCA-DMD-FOA-ELM风电功率短期预测研究

• 作者: 张铸 王静袁 饶盛华
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 主成成分分析 动态模态分解 果蝇算法 极限学习机 风电功率
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 研究与设计
• 页码范围: 6-11
• 页数: 6页
• 分类号: TM614
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.2004388

摘要

针对风电功率随机波动性导致特征信息难以完全挖掘的问题以及特征信息丢失导致预测误差大的问题,提出一种基于动态模态分解-果蝇算法优化极限学习机风电功率短期预测方法.首先采用主成分分析对样本数据进行提取;再采用动态模态分解算法对主成分提取其模态特征;再将主成分与模态特征进行拼接构成新的样本数据集;最后采用果蝇算法优化极限学习机对风电功率进行预测,并与FOA-GRNN、PSO-BP等模型进行对比;经湖南某风电厂实际运行数据验证,该方法相比于传统预测方法有较好的预测效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张铸		14	34	3.0	5.0
2	饶盛华		5	11	2.0	3.0
3	王静袁		3	0	0.0	0.0