基于信号分解和核极限学习机的风电功率预测

• 作者: 马宁 董泽 冯斌
• 来源期刊: 山东电力技术
• 学科: 工学
• 关键词: 风功率预测 核极限学习机 经验小波变换 量子粒子群算法
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 人工智能|Artificial intelligence
• 页码范围: 1-6
• 页数: 6页
• 分类号: TM614
• 语种: 中文
• DOI: 10.3969/j.issn.1007-9904.2022.01.001

摘要

针对传统短期风功率预测模型在功率变化较大情况下的预测精度不高问题,提出了一种基于信号分解和量子粒子群算法优化核极限学习机的短期风功率预测模型.首先利用经验小波变换将原始风功率序列分解成为若干个模态分量,再利用核极限学习机建立每个模态分量的预测模型,为了提高模型预测精度,采用量子粒子群算法优化核极限学习机参数,最后将每个模态分量预测值相加得到最终的功率预测结果.以实际风电场发电功率为例,并与其他预测模型进行比较,结果表明所提模型具有较高的预测精度.