文献类型：期刊文章

作　　者：林涛[1] 刘航鹏[1] 赵参参[1] 赵成林[1] 马同宽[2]

Lin Tao;Liu Hangpeng;Zhao Shenshen;Zhao Chenglin;Ma Tongkuan(School of Artificial Intelligence,Hebei University of Technology,Tianjin 300130,China;Hebei Construction&Investment New Energy Group Co.,Ltd.,Shijiazhuang 050006,China)

机构地区：[1]河北工业大学人工智能与数据科学学院,天津300130 [2]河北建投新能源有限公司,石家庄050006

出　　处：《太阳能学报》

基　　金：江河北省科技计划(17214304D)。

年　　份：2021

卷　　号：42

期　　号：3

起止页码：128-134

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD_E2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对风速具有强非线性的特点,提出一种奇异谱分析和改进粒子群优化自适应模糊推理系统的短期风速预测模型。该方法采用奇异谱分析将原始序列分解为趋势和谐波分量,对各分量分别建立模糊神经网络模型,最后将各分量预测结果叠加得到预测风速值。为提高预测精度,改用改进粒子群算法对自适应模糊推理系统的隶属度函数进行优化。以河北某风电场实测数据进行仿真并与传统的神经网络对比分析,结果表明将风速重构后分别预测再叠加降低了原始问题的复杂度,同时提高了预测精度,在不同时间间隔的风速序列预测中该模型显著降低了多步实时预测中的误差。

关 键 词：风电  预测  粒子群算法 奇异谱分析 自适应模糊神经网络

分 类 号：TM614]