風(fēng)電功率時(shí)序信號(hào)是間歇性、波動(dòng)性的非平穩(wěn)信號(hào),信號(hào)的平穩(wěn)化處理是風(fēng)電功率預(yù)測(cè)的關(guān)鍵。針對(duì)EEMD在分解風(fēng)功率時(shí)序信號(hào)時(shí)存在模態(tài)混淆、偽分量和較大的重構(gòu)誤差等問題,將MEEMD用于風(fēng)功率信號(hào)分解并與KELM模型相結(jié)合,提出了基于MEEMD-KELM的風(fēng)電功率短期預(yù)測(cè)方法。該方法采用CEEMD將原始信號(hào)按頻率高低依次分解,檢測(cè)分量的排列熵值,通過(guò)熵值判斷異常分量信號(hào)并將其從原始信號(hào)中剔除,再對(duì)分離后的信號(hào)進(jìn)行EMD分解,得到的若干個(gè)IMF分量分別通過(guò)KELM模型進(jìn)行組合預(yù)測(cè)。以上海某風(fēng)場(chǎng)為例進(jìn)行仿真實(shí)驗(yàn),并與傳統(tǒng)方法進(jìn)行對(duì)比,結(jié)果表明該方法預(yù)測(cè)精度更優(yōu)且更具穩(wěn)定性。 

【文章來(lái)源】：電測(cè)與儀表. 2020年21期 北大核心

【文章頁(yè)數(shù)】：7 頁(yè)

【文章目錄】：
0 引言
1 基本理論
    1.1 排列熵
    1.2 MEEMD方法
    1.3 KELM算法
        1.3.1 ELM算法
        1.3.2 KELM算法
2 基于MEEMD-KELM的風(fēng)功率短期預(yù)測(cè)模型
3 評(píng)價(jià)指標(biāo)
4 實(shí)驗(yàn)與結(jié)果分析
    4.1 風(fēng)電時(shí)序信號(hào)分解
    4.2 風(fēng)電時(shí)序信號(hào)組合預(yù)測(cè)
    4.3 預(yù)測(cè)結(jié)果對(duì)比分析
5 結(jié)束語(yǔ)


【參考文獻(xiàn)】：
期刊論文
[1]基于風(fēng)電變模式運(yùn)行與OLTC協(xié)調(diào)的配電網(wǎng)電壓控制策略[J]. 苗文靜,高瑜,劉其輝,趙亞男,郭天飛.  智慧電力. 2019(11)
[2]基于GA-KELM的光伏短期出力預(yù)測(cè)研究[J]. 章勇高,高彥麗,馬迪.  控制工程. 2018(07)
[3]基于粒子群優(yōu)化的核極限學(xué)習(xí)機(jī)模型的風(fēng)電功率區(qū)間預(yù)測(cè)方法[J]. 楊錫運(yùn),關(guān)文淵,劉玉奇,肖運(yùn)啟.  中國(guó)電機(jī)工程學(xué)報(bào). 2015(S1)
[4]基于改進(jìn)EMD與SVM的風(fēng)電功率短期預(yù)測(cè)模型[J]. 管志威,陳國(guó)初,徐余法,俞金壽.  控制工程. 2014(06)
[5]基于EMD-KELM-EKF與參數(shù)優(yōu)選的用戶側(cè)微電網(wǎng)短期負(fù)荷預(yù)測(cè)方法[J]. 湯慶峰,劉念,張建華,于壯壯,張清鑫,雷金勇.  電網(wǎng)技術(shù). 2014(10)
[6]腦電信號(hào)的多尺度排列熵分析[J]. 姚文坡,劉鐵兵,戴加飛,王俊.  物理學(xué)報(bào). 2014(07)
[7]改進(jìn)的EEMD算法及其應(yīng)用研究[J]. 鄭近德,程軍圣,楊宇.  振動(dòng)與沖擊. 2013(21)



本文編號(hào)：2926590