文献类型：期刊文章

作　　者：王涛[1] 高靖[1] 王优胤[1] 史喆[1] 刘涛[1] 杨博[1] 严风[2]

Wang Tao;Gao Jing;Wang Youyin;Shi Zhe;Liu Tao;Yang Bo;Yan Feng(Economic and Technical Research Institute of State Grid Liaoning Electric Power Co.,Ltd.,Shenyang 110000,China;Department of Electrical and Electronic Engineering,North China Electric Power University,Baoding 071000,Hebei,China)

机构地区：[1]国网辽宁省电力有限公司经济技术研究院,沈阳110000 [2]华北电力大学电气与电子工程学院,河北保定071000

出　　处：《电测与仪表》

基　　金：国网公司科技项目(LNDL2019-02PT-GC-KX-KJKY,5222JJ18000Q)。

年　　份：2021

卷　　号：58

期　　号：6

起止页码：49-54

语　　种：中文

收录情况：BDHX、BDHX2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：风电大规模接入给电网安全运行带来了较大的挑战,风电预测是主要的解决措施之一。针对风电功率信号的非线性和非平稳性特征,提出了一种基于改进经验模态分解(IEMD)和支持向量机(SVM)的风电信号组合预测方法。首先,阐述了EMD的基本原理和优缺点,针对其分解非线性非平稳信号时的采样率问题,提出了一种消减欠冲现象的改进方法。其次,以辽宁某风电场提供的风电数据为研究实例,利用IEMD将风电信号分解为一组较为平稳的子序列分量;然后,运用SVM理论分别构建风电信号低频和中频分量的EMD-SVM和IEMD-SVM组合预测模型,并在MATLAB中仿真对比了两种模型的预测结果。研究结果表明,IEMD-SVM的组合预测模型在分解风电信号时能够有效减少欠冲点数目,较好地表现原信号的整体趋势,与EMD-SVM预测方法相比具有更高的精度和准确度。

关 键 词：EMD 采样率问题  支持向量机 风电预测

分 类 号：TM721]