基于游程检测法重构CEEMD的短时风功率预测

• 作者: 胡威 张新燕 郭永辉 李振恩
• 来源期刊: 太阳能学报
• 关键词: 风功率 预测 实例 CEEMD 游程检测法 ICS 精度
• 年，卷（期）: 2020,（11）
• 页码范围: 317-325
• 页数: 9页
• 分类号: TM734
• 语种: 中文

摘要

针对风功率序列间歇波动特征,提出基于补充的集合经验模态分解(CEEMD)的分类组合预测方法.采用CEEMD把风功率信号分解为频域稳定的子序列,利用游程检测法对子序列划分为高、低频和余项3类信号,根据3类重构信号的不同特征,分别选用BP神经网络预测高频信号、支持向量机(SVM)预测低频信号以及非线性回归预测余项,最后叠加3类信号的多步滚动预测值,得到风功率预测结果.为了提高BP神经网络以及SVM的预测效果,提出基于混沌反向学习策略以及自适应变化概率的改进布谷鸟算法(ICS),利用ICS优化BP神经网络与SVM的结构参数.以西北部某风电场为实例研究,结果表明该方法能有效提高预测精度.