本文選題：風(fēng)電 + 風(fēng)速預(yù)測　； 參考：《電力自動化設(shè)備》2017年01期

【摘要】：現(xiàn)有的風(fēng)速預(yù)測方法大多是確定性的點(diǎn)預(yù)測,無法描述風(fēng)速的隨機(jī)性。針對該問題,建立基于變分模態(tài)分解(VMD)和蝙蝠算法-相關(guān)向量機(jī)(BA-RVM)的短期風(fēng)速區(qū)間預(yù)測模型。對原始風(fēng)速序列進(jìn)行變分模態(tài)分解獲得多個子序列;采用樣本熵(SE)算法對子序列進(jìn)行重組得到3類具有典型特性的分量;對各分量采用相關(guān)向量機(jī)算法分別建立預(yù)測模型。為進(jìn)一步提高預(yù)測精度、縮小區(qū)間范圍,引入蝙蝠算法(BA)對預(yù)測模型進(jìn)行參數(shù)優(yōu)化。將各分量的預(yù)測結(jié)果進(jìn)行疊加求和得到一定置信水平下總體的區(qū)間預(yù)測結(jié)果。實(shí)際算例結(jié)果表明,與現(xiàn)有方法相比,所提區(qū)間預(yù)測方法的預(yù)測精度和區(qū)間覆蓋率更高,區(qū)間寬度更窄。
[Abstract]:Most of the existing wind speed prediction methods are deterministic point prediction, which can not describe the randomness of wind speed. To solve this problem, a short-term wind speed interval prediction model based on variational mode decomposition (VMD) and bat algorithm-correlation vector machine (BA-RVM) is established. The original wind speed series is decomposed by variational mode decomposition to obtain multiple sub-sequences; the sample entropy SE) algorithm is used to recombine the sub-sequences to obtain three kinds of components with typical characteristics; the correlation vector machine algorithm is used to establish prediction models for each component. In order to further improve the prediction accuracy and reduce the range of the interval, the bat algorithm was introduced to optimize the parameters of the prediction model. The prediction results of each component are superimposed to obtain the interval prediction results of the population at certain confidence level. The results of practical examples show that, compared with the existing methods, the prediction accuracy and interval coverage of the proposed interval prediction methods are higher and the interval width is narrower.
【作者單位】： 河海大學(xué)能源與電氣學(xué)院;阿爾斯通電網(wǎng)技術(shù)中心有限公司;GE
【基金】：國家自然科學(xué)基金資助項(xiàng)目(51107032;61104045;51277052) 國家高技術(shù)研究發(fā)展計劃(863計劃)資助項(xiàng)目(2013AA050601)~~
【分類號】：TM614

【相似文獻(xiàn)】

相關(guān)期刊論文 前8條

1 程軍圣,于德介,楊宇;經(jīng)典模態(tài)分解方法中內(nèi)稟模態(tài)函數(shù)判據(jù)問題研究[J];中國機(jī)械工程;2004年20期

2 葉慶衛(wèi);汪同慶;;基于幅譜分割的粒子群最優(yōu)模態(tài)分解研究與應(yīng)用[J];儀器儀表學(xué)報;2009年08期

3 王良鋒;喬渭陽;紀(jì)良;余索遠(yuǎn);;軸流風(fēng)扇/壓氣機(jī)管道周向聲模態(tài)的測量[J];航空動力學(xué)報;2014年04期

4 甘甜;王英民;趙俊渭;;模態(tài)分解的波束形成方法研究[J];兵工學(xué)報;2011年03期

5 李中付,華宏星,宋漢文,陳之炎;模態(tài)分解法辨識線性結(jié)構(gòu)在環(huán)境激勵下的模態(tài)參數(shù)[J];上海交通大學(xué)學(xué)報;2001年12期

6 劉志剛,陳艾榮;橋梁順風(fēng)向等效風(fēng)荷載計算方法及其分布[J];同濟(jì)大學(xué)學(xué)報(自然科學(xué)版);2003年08期

7 李苗;任偉新;胡異丁;王寧波;;基于解析模態(tài)分解法的橋梁動態(tài)應(yīng)變監(jiān)測數(shù)據(jù)溫度影響的分離[J];振動與沖擊;2012年21期

8 ;[J];;年期

相關(guān)會議論文 前2條

1 裴利軍;邱本花;;模態(tài)分解法在非恒同耦合系統(tǒng)同步研究中的推廣[A];第十二屆全國非線性振動暨第九屆全國非線性動力學(xué)和運(yùn)動穩(wěn)定性學(xué)術(shù)會議論文集[C];2009年

2 潘，

本文編號：1992783