基于EMD-SA-SVR的超短期风电功率预测研究

• 作者: 赵倩 黄景涛
• 来源期刊: 电力系统保护与控制
• 关键词: 风电功率 超短期预测 经验模态分解 支持向量回归 模拟退火
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 应用研究
• 页码范围: 89-96
• 页数: 8页
• 字数: 4387字
• 语种: 中文
• DOI: 10.19783/j.cnki.pspc.190449

摘要

针对风电功率的高随机和强波动性,提出一种基于EMD-SA-SVR的风电功率超短期预测方法.采用经验模态分解(Empirical Mode Decomposition,EMD)提取风电功率序列的不同特征.将原始序列分解为多个更具规律的模态,针对每个模态序列建立各自的预测模型,以消除不同特征之间的相互影响.鉴于支持向量回归(Support Vector Regression,Sw)好的泛化能力,研究建立基于SVR的各模态预测模型.进一步采用模拟退火(Simulated Annealing,SA)算法对SVR参数进行优化以解决模型选择的多极值复杂非线性问题,获得各模态分量的最优模型,进而汇总各模态分量的结果得到风电功率预测值.在某风电场历史数据上的对比分析表明,EMD-SA-SVR模型可以有效提高风电功率超短期预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄景涛	河南科技大学电气工程学院	38	124	6.0	9.0
2	赵倩	河南科技大学电气工程学院	10	6	1.0	2.0