文献类型：期刊文章

作　　者：程启明[1] 陈路[1] 程尹曼[2] 张强[1] 高杰[1]

CHENG Qiming;CHEN Lu;CHENG Yinman;ZHANG Qiang;GAO Jie(Shanghai Key Laboratory Power Station Automation Technology Laboratory, College of Automation Engineering, Shanghai University of Electric Power, Shanghai 200090, China;North Power Supply Branch, Shanghai Electric Power Company ,Shanghai 200041, China)

机构地区：[1]上海电力学院自动化工程学院上海市电站自动化技术重点实验室,上海200090 [2]上海电力公司市北供电分公司,上海200041

出　　处：《电力自动化设备》

基　　金：国家自然科学基金资助项目(61573239);上海市重点科技攻关计划项目(14110500700);上海市电站自动化技术重点实验室项目(13DZ2273800);上海市自然科学基金资助项目(15ZR1418600)~~

年　　份：2018

卷　　号：38

期　　号：5

起止页码：27-35

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：原始风速信号具有的间歇波动性特征给风电场的功率预测带来了挑战,采用集合经验模态分解(EEMD)法将原始风速信号分解为频域稳定的子序列,有效地提高了预测精度,避免了传统经验模态分解(EMD)存在的模态混叠现象。提出一种改进型果蝇优化算法(FOA),将风速子序列重构参数和最小二乘支持向量机(LS-SVM)参数作为优化目标建立风速预测模型,扩大了参数搜索范围,提高了优化收敛速度;通过风速-风功率转化关系可以求得风电场的功率值。实验结果验证了所提方法相比于EMD和LS-SVM预测方法具有更高的预测精度。

关 键 词：微电网 功率预测 风电场 模态分解  支持向量机 相空间重构 果蝇优化算法  

分 类 号：TM615]