文献类型：期刊文章

作　　者：赵倩[1] 黄景涛[1]

ZHAO Qian;HUANG Jingtao(College of Electrical Engineering,Henan University of Science and Technology,Luoyang 471023,China)

机构地区：[1]河南科技大学电气工程学院

出　　处：《电力系统保护与控制》

基　　金：国家自然科学基金项目资助(U1504617)~~

年　　份：2020

卷　　号：48

期　　号：4

起止页码：89-96

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：针对风电功率的高随机和强波动性,提出一种基于EMD-SA-SVR的风电功率超短期预测方法。采用经验模态分解(Empirical Mode Decomposition, EMD)提取风电功率序列的不同特征。将原始序列分解为多个更具规律的模态,针对每个模态序列建立各自的预测模型,以消除不同特征之间的相互影响。鉴于支持向量回归(Support Vector Regression, SVR)好的泛化能力,研究建立基于SVR的各模态预测模型。进一步采用模拟退火(Simulated Annealing,SA)算法对SVR参数进行优化以解决模型选择的多极值复杂非线性问题,获得各模态分量的最优模型,进而汇总各模态分量的结果得到风电功率预测值。在某风电场历史数据上的对比分析表明,EMD-SA-SVR模型可以有效提高风电功率超短期预测精度。

关 键 词：风电功率 超短期预测  经验模态分解  支持向量回归 模拟退火

分 类 号：TM614]