基于CEEMDAN-SAFA-LSSVM的短期风功率预测

• 作者: 张景杨 王维庆 王海云 武家辉
• 来源期刊: 计算机仿真
• 关键词: 短期风功率预测 完全集合经验模态分解 相空间重构 萤火虫算法 最小二乘支持向量机
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 能源领域仿真
• 页码范围: 134-138
• 页数: 5页
• 分类号: TM743
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2021.08.025

摘要

随着电网中风电渗透率的逐年提高,对其出力进行精确预测是保障电网可靠运行的技术措施之一.建立了基于CEEMDAN-SAFA-LSSVM短期风功率组合预测模型.采用完全集合经验模态分解(CEEMDAN)将原始风功率序列分解成特征互异的各个本征模态分量,对分解产生的本征模态分量进行相空间重构,然后根据得到的新模态分量建立相应的最小二乘支持向量机(LSSVM)预测模型.针对LSSVM模型的预测精度易受参数选择的影响,提出萤火虫算法(SAFA)优化LSSVM模型的参数,解决了 LSSVM参数寻优效率低的问题.算例分析表明CEEMDAN-SAFA-LSSVM模型在风功率预测中具有较高的预测精度和预测效率.