文献类型：期刊文章

作　　者：马宁[1,2] 董泽[2] 冯斌[3]

MA Ning;DONG Ze;FENG Bin(North China Electric Power Research Institute Co.,Ltd.,Beijing 100045,China;Hebei Technology Innovation Center of Simulation&Optimized Control for Power Generation,North China Electric Power University,Baoding 071003,China;Xi'an Branch of North China Electric Power Research Institute Co.,Ltd.,Xi'an 710065,China)

机构地区：[1]华北电力科学研究院有限责任公司,北京100045 [2]华北电力大学河北省发电过程仿真与优化控制技术创新中心,河北保定071003 [3]华北电力科学研究院有限责任公司西安分公司,陕西西安710065

出　　处：《山东电力技术》

基　　金：国家自然科学基金项目(71471060);河北省自然科学基金项目(E2018502111);中央高校科研基金项目“电站SCR脱硝系统建模与控制策略研究”(2019QN134)。

年　　份：2022

卷　　号：49

期　　号：1

起止页码：1-6

语　　种：中文

收录情况：普通刊

摘　　要：针对传统短期风功率预测模型在功率变化较大情况下的预测精度不高问题,提出了一种基于信号分解和量子粒子群算法优化核极限学习机的短期风功率预测模型。首先利用经验小波变换将原始风功率序列分解成为若干个模态分量,再利用核极限学习机建立每个模态分量的预测模型,为了提高模型预测精度,采用量子粒子群算法优化核极限学习机参数,最后将每个模态分量预测值相加得到最终的功率预测结果。以实际风电场发电功率为例,并与其他预测模型进行比较,结果表明所提模型具有较高的预测精度。

关 键 词：风功率预测  核极限学习机  经验小波变换  量子粒子群算法

分 类 号：TM614]