基于混合算法优化的短期风功率预测

基于混合算法优化的短期风功率预测
董朕;殷豪;孟安波
【期刊名称】《陕西电力》
【年(卷),期】2017(045)011
【摘要】Accurately predicting wind power is of key importance for large scale wind power connecting to power grid and the safe operation of the grid. Aiming at the short-term prediction of the wind power,this paper proposes a hybrid forecasting model combining complete ensemble empirical mode decomposition (CEEMD) with adaptive noise and kernel extreme learning machine (KELM) optimized by crisscross
optimization(CSO). First the original wind power series is decomposed into several intrinsic mode functions (IMFs) by using the CEEMD with adaptive noise. Then each IMF is predicted individually with the KELM,and the crisscross optimization is used for optimizing the penalty parameter and kernel parameter to obtain optimal prediction results. Finally ,all of the predicted IMFs are integrated as the final prediction. Taking the data from two different wind farms as an example and comparing it with other methods,the results show the superiority and robustness of the proposed model.%准确预测风电功率对风电规模化并网以及电网安全运行至关重要.针对短期风电功率预测,提出一种具有自适应噪声特性的完备集成经验模态分解和纵横交叉核极限学习机的混合预测模型.首先采用具有自适应噪声特性的完备集成经验模式将原始风电信号分解成多个固有模态分量;然后利用核极限学习机对各个模态分
量进行预测,并采用纵横交叉算法对核极限学习机的惩罚参数和核参数进行优化,从而得到更好的预测结果,最后叠加全部分量的预测值作为最终的预测结果.以2个不同风电场实际采集的数据为算例,并引入不同方法进行对比,证实了该模型的优越性和鲁棒性.
【总页数】7页(P24-30)
【作者】董朕;殷豪;孟安波
【作者单位】广东工业大学自动化学院,广东广州 510006;广东工业大学自动化学院,广东广州 510006;广东工业大学自动化学院,广东广州 510006
【正文语种】中文
【中图分类】TM614
【相关文献】
1.基于混合算法优化的短期风功率预测 [J], 董朕;殷豪;孟安波;
2.基于混合智能算法优化LSSVM的短期风压预测 [J], 涂伟平;李春祥
3.基于双向长短期记忆深度学习模型的短期风功率预测方法研究 [J], 谭敏戈;蒋勃;王建渊;邓亚平;冯雅琳;蒋琪;贾灵贤
4.基于IFA-LSSVM的短期风功率预测 [J], 谭彦聪;王海云;王江江
5.基于量子遗传算法优化BP神经网络短期风功率预测 [J], 李铭;昝润鹏;刘景霞因版权原因，仅展示原文概要，查看原文内容请购买。