基于稀疏表示方法的短期风电功率预测

• 作者: 李世昌 李军
• 来源期刊: 测控技术
• 学科: 工学
• 关键词: 风电功率预测 稀疏表示 特征提取 K-SVD 正交匹配追踪
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 计算机与控制系统
• 页码范围: 140-144
• 页数: 5页
• 分类号: TM614|TP391
• 语种: 中文
• DOI: 10.19708/j.ckjs.2021.02.025

摘要

针对短期风电功率预测,提出一种基于稀疏表示特征提取的建模方法.为了构建预测模型,将历史风电功率数据构成具有时延的输入-输出数据对,将时延输入数据向量作为初始字典,由K-均值奇异值分解(K-SVD)算法将其进行稀疏分解与变换至稀疏域以得到学习后的字典,由正交匹配追踪(OMP)算法获取相应的稀疏编码向量,再将该向量作为极限学习机(ELM)或支持向量机(SVM)的输入来构建全局回归模型.为了验证所提出的方法的有效性,将所提出的方法用于短期风电功率预测中,在同等条件下与单一SVM、ELM方法和非字典学习的其他稀疏表示建模方法进行了比较.实验结果表明,不同的稀疏表示建模方法均能取得很好的预测效果,其中所提出的方法具有更好的预测效果,显示出其有效性.