基于EMD与SVM的风电功率短期预测

相关主题

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

摘要：于风电存在着不确定性，电功率预测对于接入大量风电的电力系统意义重大．了提由风为
高风电功率的预测精度，文建立了基于经验模式分解法（ＭＤ）支持向量机（ＶＩ的复合预测本Ｅ与Ｓ）
模型．虑到风力机组的输出有很强的非线性，考该模型首先将训练数据按风速大小分成高、低３中、组，然后对各组的风电功率样本序列进行经验模式分解，建立各个频带分量的支持向量机预测模并
ＡｂｔａｔＡｓａｃｅｎｒｎｗａｌｎｒｙｓｒｃ：ｌａｅｅｂｅｅｅｇ，ｗｉｄｐｗｅａｔｏｄａｔｇｉｈｉｂｙｎｏｓｌｎｒｎｏｒｈｓａｌｆｖｎａｅｗｈｃｅｏｄｆｓｉｅｅ— ｏａｓ
肖燕彩王鹏韩肖２徐叔阳３，，，
（．１北京交通大学机械与电子控制工程学院，北京１０４；００４２国电南瑞科技股份有限公司电网控制分公司，．南京２０６；．１０１３ Baidu Nhomakorabea津工业大学理学院，天津３０８）０３７
（．ｃｏｌｆｃａｉｌＥｅｔｎｃａｄＣｎｒｌｎｉｅｉ，ｅｉｇＪｏｏｇＵｎｖｒｔ，ｅｉ００４Ｃｉａ１Ｓｈｏｏｈｎｃ，ｌｒｉｎｏｔｇｎｒｇＢｉｉｔｉｓｙＢｉｎ１０４，ｈ；ＭｅａｃｏｏＥｅｎｊｎａｎｅｉｊｇｎ２ＧｉＣｎｒｌｒｎｈＮＲＩｅｈｏｇｖｌｐｎｏ，Ｌｄ，＠ｎ１０，ｈｎ；．ｒｏｔａｃ，ＡｃｎｌｙｄｏＢＴｏＤｅｅｍｅｔ．ｔ．Ｎａｇ２０６ＣｉｏＣａ３Ｓｈｌｆｉｃ，ａｊｏｙｅｈｉＵｎｖｒｔ，ｉｊ０３７Ｃｉ）．ｏｅｅＴｉｉＰｌｔｎｃｉｓｙＴａｉ３０８，ｈｎｃｏＳｎｃｎｎｃｅｉｎｎａ
ｔｎｓｅｉｌｏｈｗｅｙｔｍｉｈｃｎａｎａｇｕｅｆｗｉｄｐｗｅ．Ｉｒｅｏｒｉｅｉ，ｅｐｃａｌｆｒｔｅｐｏｙｏｒｓｓｅｗｈｃｏｔｉｓａｌｒｅｎｍｂｒｏｎｏｒｎｏｄｒｔａｓ
ｔｅｃｕａｙｏｎｏｒｒｄｃｉ，ｏｏｎｒｄｃｉｎｍｏｅｗｉａｅｎＥｈｃｒｃｆａｗｉｄｐｗｅｅｉｏａｃｍｐｕｄｐｅｉｏｄｌｈｃｂｓｄｏＭＤ（ｍｐｒａｐｔｎｔｈｅｉｃｌｉ
ｇ．ＢｕｈｒｎｅｔｉｔｎｏｒＯｉｉａｔｃｅｒａｉｎｆａｃｏｗｉｄｐｗｅｒｄｃＹｔｔｅｅｉｕｃｒａｎｙｉｗｉｄｐｗｅ，Ｓｓｔａｈｄｇｅｔｓｉｃｎｅｔｎｓｎｔｇｉｏｒｐｅｉ—
ｍｏｅｄｃｍｐｓｉ）ｎＶＭ（ｕｐｒｖｃｏｃｉｅｗａｕｌＣｎｉｅｉｅｒａｏｌｅｒｙｄｅｏｏｉｏａｄＳｔｎｓｐｏｔｅｔｒｍａｈｎ）ｓｉ．ｏｓｒｇｔｅｔｎｉａｉｂｔｄｎｈｇｎｎｔ
ｏｎｕｂｎｅｅａｏｓｏｔｕｓｈｒｉｉｇｄｔｒｉｉｅｎｏｔｒｅｇｏｐｎｔｅｂｓｓｏｆｗｉｄｔｒｉｅｇｎｒｔｒｕｐｔ，ｔｅｔａｎｎａａｗｅｅｄｖｄｄｉｔｈｅｒｕｓｏｈａｉｆｗｉｄｓｅｄｎｈｎｏｒｓｒｅｒｅｏｏｅｎｏｓｖｒｌｓｑｅｃｓｉｉｅｅｔｂｎｙｎｐｅ，ａｄｔｅｗｉｄｐｗｅｅｉｓｗｅｅｄｃｍｐｓｄｉｔｅｅａｅｕｎｅｎｄｆｒｎａｄｂｆＥＭＤ．ＢｕｌｉｇｄｆｒｎＶＭｒｄｃｉｎｍｏｅ，ｔｅｄｃｍｐｓｄｓｍｐｅｓｒｅｒｒｄｃｅｅ — ｙｂｉｎｉｅｅｔＳｄｆｐｅｉｔｄｌｈｅｏｏｅａｌｅｉｓｗｅｅｐｅｉｔｄｓｐｏａａｅｙｈｎｔｅｆｎｌｅｕｔｒｏｙａｄｎｖｒｒｄｃｅｅｕｔｅｕｌｒｇｔ．Ｔｈｅｓｂｌｙｒｔｌ，ｔｅｈｉａｓｌｗｅｅｇｔｂｄｉｇｅｅｙｐｅｉｔｄｒｓｌｑａｉｈｓｒｓｅｆａｉｉｔｉａｄｅｆｃｉｅｅｓｏｈｓｍｏｅｗｅｅｐｏｅｙｔｅｒｓｌｆｐｅｉｔｇｔｅｒａａａｗｈｃｒｏ— ｎｆｅｔｎｓｆｉｖｔｄｌｒｒｖｄｂｈｅｕｔｏｒｄｃｉｈｅｌｄｔｉｈｗｅｅｃｌｓｎ
ＳｒｉｅｐｒｄｃｉｎｏｎｗｅａｅｎＥＭＤｎＶＭｈｏｔｔｍｅｉｔｏｆｗｉｄｐｏｒｂｓｄｏａｄＳ
ＸＩＡＯＹａｎａｉＷＡＮＧｎｃ，Ｐｅｇ，ＨＡＮ ∞ ，ＸＵｕａｎＳｈｙｇ
型，各模型的预测结果等权求和即得到最终的功率预测值．用风电场现场采集数据的预测结果，使
验证了该方法的可行性和有效性．
关键词：电功率；测；风预支持向量机；经验模式分解法
中图分类号：ＴＭ６４１文献标志码：Ａ
第３６卷第４期
２１０２年８月
北
京
交
通
大
学
学
报
！巡！
Ｖ０．６ＮＯ４１３．
ＡＬ０ＦＥＵＩＢＮＧＩＪＡ０ＴＱ
文章编号：６３０９（０２０ —１９０１７ —２１２１）４０３ —５
基于ＥＭＤ与ＳＶＭ的风电功率短期预测