本文關(guān)鍵詞：基于VMD-SE和機器學習算法的短期風電功率多層級綜合預測模型

  更多相關(guān)文章： 短期風電功率多步預測 可變模式分解 機器學習 仿生雞群優(yōu)化 多層級綜合模型

【摘要】：針對風電功率受自然環(huán)境變化影響,難以建立精確數(shù)學模型對其進行預測的問題,采用一種新型的可變模式分解(variational mode decomposition,VMD)技術(shù),將原始風電功率序列分解為一系列有限帶寬子模式以降低其不穩(wěn)定性,根據(jù)子模式的樣本熵(sample entropy,SE)分析其復雜度并重組得到子序列。在此基礎(chǔ)上,結(jié)合3種不同的機器學習基模型,提出一種基于VMD-SE和基模型的自適應多層級綜合預測模型,并采用一種基于混沌螢火蟲結(jié)合仿真雞群優(yōu)化的智能算法,對其權(quán)重矩陣進行實時調(diào)整。仿真結(jié)果表明,基于VMD的組合模型較采用聚類經(jīng)驗模式分解時預測精度明顯提高,且所提綜合模型的預測精度較組合模型有了進一步的改善。因此,所提綜合模型能有效提高短期風電功率多步預測的準確性。
【作者單位】： 武漢大學電氣工程學院;
【關(guān)鍵詞】： 短期風電功率多步預測 可變模式分解 機器學習 仿生雞群優(yōu)化 多層級綜合模型
【基金】：國家重點基礎(chǔ)研究發(fā)展計劃項目(973項目)(2012CB215101) 國家自然科學基金項目(51309258)~~
【分類號】：TM614
【正文快照】： 0引言風電功率的間歇性和不確定性使得風電大規(guī)模接入電網(wǎng)對電力系統(tǒng)的安全穩(wěn)定運行帶來了嚴峻考驗。提高短期風電功率預測精度,有利于電力系統(tǒng)調(diào)度部門制定調(diào)整發(fā)電計劃、減小旋轉(zhuǎn)備用容量、提高電網(wǎng)運行的安全可靠性[1]。由于風電功率受自然環(huán)境變化影響呈現(xiàn)出高度不確定性，

本文編號：1078339