基于ECBO-VMD-WKELM的风电功率超短期多步预测

• 作者: 李青 张新燕 马天娇 马涛 王衡 尹红升
• 来源期刊: 电网技术
• 关键词: 风电功率预测 强化物体碰撞优化 变分模态分解 小波核极限学习机
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 可再生能源发电与综合消纳技术|Renewable Energy Generation and Integration
• 页码范围: 3070-3078
• 页数: 9页
• 分类号: TM614
• 语种: 中文
• DOI: 10.13335/j.1000-3673.pst.2020.1421

摘要

提出一种全新的集合强化物体碰撞优化算法(enhanced colliding bodies optimization,ECBO)、变分模态分解(variational mode decomposition,VMD)、小波核极限学习机(wavelet kernel extreme learning machine,WKELM)的超短期风电功率多步预测模型.针对VMD方法自适应性低的问题,提出将ECBO方法用于VMD核心参数自动寻优,且基于加权排列熵(wavelet kernel extreme learning machine,WPE)算法思想来设计ECBO-VMD方法适应度函数,在提高VMD分解方法自适应性的同时实现了对各分解分量规律性的定量判别.采用ECBO-VMD对原始风电功率时间序列进行自适应分解,然后针对各分解分量建立WKELM预测模型并进行重构以得到最终预测结果.实验结果表明,该方法较现有单一及组合预测方法,多步预测精度均取得了大幅度提高,且预测误差分布可控制在较窄的期望预测区间内.