基于VMD分解与MIC特征分析的风电功率组合预测

• 作者: 甄成刚 张争鹏
• 来源期刊: 郑州大学学报（理学版）
• 学科: 工学
• 关键词: 风电功率预测 变分模态分解 最大信息系数 门控循环单元 最小二乘支持向量机 IOWA算子
• 年，卷（期）: 2022,（3）
• 所属期刊栏目: 基础科学与工程技术
• 页码范围: 88-94
• 页数: 7页
• 分类号: TP391.9
• 语种: 中文
• DOI: 10.13705/j.issn.1671-6841.2021282

摘要

风力出电预测结果的准确性直接影响电力系统的调度安全,故提出一种基于变分模态分解(VMD)和最大信息系数(MIC)的风电功率组合预测方法.针对风力发电功率时间序列的随机性和波动性,利用VMD将原始风电功率序列分解为具有不同波动特性的模态分量;然后考虑气象信息与风电机组运行条件,采用MIC在考虑时间尺度后对各分量进行特征选择;基于诱导有序加权平均(IOWA)算子建立组合模型分项进行预测;最后将各模态分量的预测结果叠加获得最终预测值.基于风电场实测数据进行实验,结果表明所提组合预测模型能有效提高预测精度.