文献类型：期刊文章

作　　者：苏盈盈[1] 李翠英[1] 王晓峰[2] 康东帅[1] 刘君[1]

SU Yingying;LI Cuiying;WANG Xiaofeng;KANG Dongshuai;LIU Jun(College of Electrical Engineering,Chongqing University of Science&Technology,Chongqing 401331,China;College of Mathematics and Large Data,Chongqing University of Science&Technology,Chongqing 401331,China)

机构地区：[1]重庆科技学院电气工程学院,重庆401331 [2]重庆科技学院数理与大数据学院,重庆401331

出　　处：《电力系统及其自动化学报》

基　　金：国家自然科学基金资助项目(51375520);重庆市技术创新与应用示范项目(cstc2018jscx-msybX0023);重庆市基础研究与前沿探索专项资助项目(cstc2018jcyjAX0239,cstc2019jcyj-msxm1753);重庆科技学院校内重点基金资助项目(CK2016B01,CK2016Z01)

年　　份：2019

卷　　号：31

期　　号：7

起止页码：76-80

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：风电场短期风速具有随机性、多变性和时变性,故其预测精度和时效性有待提高。本文提出C-C法结合极限学习机ELM的快速预测方法,该方法考虑原始的单变量时间序列风速数据间的最大动态演化信息,采用相空间重构C-C法确定风速时间序列间的相关关系,得到风速变化特征的最佳嵌入维数和延迟时间。进而采用具有算法学习速度快、收敛精度高的ELM方法进行风速的快速预测。通过对重庆某风电场短期风速的预测发现,与神经网络和支持向量机方法预测所得结果相比,不仅提高了短期风速预测精度,而且所用方法的预测时间短,适合风电场对短期风速快速预测的需求。

关 键 词：极限学习机 短期风速 重构  快速预测  

分 类 号：TP18]