本文選題：互補(bǔ)經(jīng)驗(yàn)?zāi)B(tài)分解 + 膜計(jì)算優(yōu)化算法��； 參考：《電力系統(tǒng)保護(hù)與控制》2017年21期

【摘要】：為提高預(yù)測(cè)的可靠性和準(zhǔn)確性,提出一個(gè)基于模態(tài)分解理論和膜計(jì)算優(yōu)化算法的混合模型用于風(fēng)速預(yù)測(cè)。與現(xiàn)有的風(fēng)速預(yù)測(cè)方法相比,該模型提高了預(yù)測(cè)精度。該模型包括3個(gè)主要步驟:為了簡(jiǎn)化數(shù)據(jù)的復(fù)雜度,通過(guò)互補(bǔ)集合經(jīng)驗(yàn)?zāi)Ｊ椒纸?CEEMD)將原始風(fēng)電功率時(shí)間序列分解成幾個(gè)固有模態(tài)函數(shù)(IMFs);對(duì)每個(gè)IMF分量單獨(dú)建立膜計(jì)算優(yōu)化算法優(yōu)化支持向量機(jī)(MCO-SVR)的模型進(jìn)行預(yù)測(cè);疊加全部IMF分量的預(yù)測(cè)值作為最終的預(yù)測(cè)結(jié)果。建立包括單一的支持向量回歸機(jī)模型、不同分解方法以及相同的分解方法但使用不同的優(yōu)化算法在內(nèi)的9種基本模型,來(lái)驗(yàn)證所提出的混合模型的優(yōu)越性。實(shí)證研究表明,所提出的混合模型在預(yù)測(cè)精度上顯著優(yōu)于其他的基本模型。
[Abstract]:In order to improve the reliability and accuracy of the prediction, a hybrid model based on modal decomposition theory and membrane optimization algorithm is proposed for wind speed prediction. Compared with the existing wind speed prediction methods, the prediction accuracy of the model is improved. The model consists of three main steps: to simplify the complexity of the data, The original wind power time series is decomposed into several inherent mode functions by using the complementary set empirical mode decomposition (CEEMD), and the model of the membrane calculation optimization algorithm is established separately for each IMF component to optimize the support vector machine (SVM). The predicted values of all IMF components are superimposed as the final prediction results. Nine basic models, including single support vector regression model, different decomposition methods and the same decomposition methods but using different optimization algorithms, are established to verify the superiority of the proposed hybrid model. Empirical studies show that the proposed hybrid model is superior to other basic models in prediction accuracy.
【作者單位】： 廣東工業(yè)大學(xué)自動(dòng)化學(xué)院;
【基金】：廣東省科技計(jì)劃項(xiàng)目(2016A010104016) 廣東電網(wǎng)公司科技項(xiàng)目(GDKJQQ20152066)
【分類(lèi)號(hào)】：TM614;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 曹玲芝;陳雨;李春文;;直接甲醇燃料電池的混合模型及其仿真分析[J];電子技術(shù)應(yīng)用;2010年03期

2 王智銳;唐汝寧;;基于支持向量機(jī)算法的空調(diào)負(fù)荷預(yù)測(cè)及實(shí)驗(yàn)研究[J];制冷技術(shù);2013年04期

3 張興,司媛媛,張強(qiáng),李維華,曹仁賢;基于Labview的虛擬風(fēng)場(chǎng)算法的研究[J];合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年09期

4 徐蓓蓓;蔣鐵錚;易宏;;三種基于支持向量機(jī)風(fēng)速預(yù)測(cè)方法對(duì)比研究[J];電氣技術(shù);2012年05期

5 趙永輝;劉友寬;朱全聰;楊文杰;;支持向量機(jī)在電力系統(tǒng)中的應(yīng)用[J];儀器儀表用戶;2012年06期

6 高尚;梅亮;;基于支持向量機(jī)的電價(jià)組合預(yù)測(cè)模型[J];電力自動(dòng)化設(shè)備;2008年11期

7 鄭華文;曹衍龍;楊將新;何元峰;方力先;謝永誠(chéng);;基于支持向量機(jī)的核電站松動(dòng)件質(zhì)量估計(jì)方法[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2010年08期

8 周松林;茆美琴;蘇建徽;;基于小波分析與支持向量機(jī)的風(fēng)速預(yù)測(cè)[J];太陽(yáng)能學(xué)報(bào);2012年03期

9 吳鈺;王杰;;綜合最優(yōu)灰色支持向量機(jī)模型在季節(jié)型電力負(fù)荷預(yù)測(cè)中的應(yīng)用[J];華東電力;2012年01期

10 全睿;全書(shū)海;黃亮;謝長(zhǎng)君;;基于支持向量機(jī)的車(chē)用燃料電池系統(tǒng)故障診斷[J];振動(dòng).測(cè)試與診斷;2012年01期

相關(guān)會(huì)議論文 前7條

1 肖懷寶;逯貴禎;李彥霏;;基于支持向量機(jī)的電磁參數(shù)提取方法研究[A];2009年全國(guó)天線年會(huì)論文集（下）[C];2009年

2 石亞欣;;基于支持向量機(jī)的風(fēng)速周期預(yù)測(cè)模型[A];智能化電站技術(shù)發(fā)展研討暨電站自動(dòng)化2013年會(huì)論文集[C];2013年

3 伍敏;蘇鵬宇;劉金福;于達(dá)仁;;基于RVM和SVM的風(fēng)速預(yù)測(cè)研究[A];2012電站自動(dòng)化信息化學(xué)術(shù)和技術(shù)交流會(huì)議論文集[C];2012年

4 王永春;;一種復(fù)合的支持向量機(jī)模型在電力系統(tǒng)短期負(fù)荷中的應(yīng)用[A];第十屆全國(guó)電工數(shù)學(xué)學(xué)術(shù)年會(huì)論文集[C];2005年

5 呂剛;范瑜;;基于最小二乘廣義支持向量機(jī)的永磁直線同步電動(dòng)機(jī)建模[A];可持續(xù)發(fā)展的中國(guó)交通——2005全國(guó)博士生學(xué)術(shù)論壇（交通運(yùn)輸工程學(xué)科）論文集（下冊(cè)）[C];2005年

6 林茂六;華曉杰;;基于支持向量機(jī)的大信號(hào)射頻功率器件頻域特征模型回歸分析[A];第十七屆全國(guó)測(cè)控計(jì)量?jī)x器儀表學(xué)術(shù)年會(huì)（MCMI'2007）論文集（上冊(cè)）[C];2007年

7 周曙光;孟慶虎;孟慶豐;;基于支持向量機(jī)的核島主泵狀態(tài)預(yù)測(cè)[A];2008年全國(guó)振動(dòng)工程及應(yīng)用學(xué)術(shù)會(huì)議暨第十一屆全國(guó)設(shè)備故障診斷學(xué)術(shù)會(huì)議論文集[C];2008年

相關(guān)博士學(xué)位論文 前4條

1 王瑜;基于支持向量機(jī)和多信息融合的局部放電故障診斷研究[D];華北電力大學(xué);2015年

2 周葉;基于新異類(lèi)檢測(cè)和支持向量機(jī)的水電機(jī)組診斷技術(shù)研究[D];中國(guó)水利水電科學(xué)研究院;2015年

3 鞠魯峰;基于支持向量機(jī)建模的永磁球形電機(jī)的優(yōu)化設(shè)計(jì)研究[D];合肥工業(yè)大學(xué);2015年

4 肖燕彩;支持向量機(jī)在變壓器狀態(tài)評(píng)估中的應(yīng)用研究[D];北京交通大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 朱龍飛;基于混合模型的熱力系統(tǒng)能耗基準(zhǔn)狀態(tài)確定方法研究[D];華北電力大學(xué);2015年

2 韋姝;基于混合模型的風(fēng)電場(chǎng)短期風(fēng)速風(fēng)功率預(yù)測(cè)研究[D];東南大學(xué);2015年

3 李勝剛;基于支持向量機(jī)的短期風(fēng)電功率預(yù)測(cè)[D];湖南工業(yè)大學(xué);2015年

4 孫亭亭;基于支持向量機(jī)的燃煤機(jī)組燃燒優(yōu)化算法的研究[D];山東大學(xué);2015年

5 邢校萄;支持向量機(jī)在短期光伏發(fā)電功率預(yù)測(cè)中的應(yīng)用[D];華北電力大學(xué);2015年

6 吳康;基于新疆風(fēng)帶運(yùn)行規(guī)律的風(fēng)電功率預(yù)測(cè)[D];新疆大學(xué);2015年

7 胡讓;風(fēng)力發(fā)電機(jī)葉片故障診斷研究及實(shí)現(xiàn)[D];蘭州交通大學(xué);2015年

8 李遙;基于GACO支持向量機(jī)的新能源電力系統(tǒng)狀態(tài)預(yù)測(cè)方法研究[D];北京交通大學(xué);2016年

9 高偉;基于最小二乘支持向量機(jī)的風(fēng)電功率短期預(yù)測(cè)研究[D];華中科技大學(xué);2014年

10 姜山;基于支持向量機(jī)的高壓線路故障原因辨識(shí)[D];華北電力大學(xué)(北京);2016年

，

本文編號(hào)：2024290