風電功率時序信號是間歇性、波動性的非平穩(wěn)信號,信號的平穩(wěn)化處理是風電功率預測的關鍵。針對EEMD在分解風功率時序信號時存在模態(tài)混淆、偽分量和較大的重構誤差等問題,將MEEMD用于風功率信號分解并與KELM模型相結合,提出了基于MEEMD-KELM的風電功率短期預測方法。該方法采用CEEMD將原始信號按頻率高低依次分解,檢測分量的排列熵值,通過熵值判斷異常分量信號并將其從原始信號中剔除,再對分離后的信號進行EMD分解,得到的若干個IMF分量分別通過KELM模型進行組合預測。以上海某風場為例進行仿真實驗,并與傳統(tǒng)方法進行對比,結果表明該方法預測精度更優(yōu)且更具穩(wěn)定性。 

【文章來源】：電測與儀表. 2020年21期 北大核心

【文章頁數(shù)】：7 頁

【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的風功率短期預測模型
3 評價指標
4 實驗與結果分析
    4.1 風電時序信號分解
    4.2 風電時序信號組合預測
    4.3 預測結果對比分析
5 結束語


【參考文獻】：
期刊論文
[1]基于風電變模式運行與OLTC協(xié)調的配電網電壓控制策略[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的光伏短期出力預測研究[J]. 章勇高,高彥麗,馬迪.  控制工程. 2018(07)
[3]基于粒子群優(yōu)化的核極限學習機模型的風電功率區(qū)間預測方法[J]. 楊錫運,關文淵,劉玉奇,肖運啟.  中國電機工程學報. 2015(S1)
[4]基于改進EMD與SVM的風電功率短期預測模型[J]. 管志威,陳國初,徐余法,俞金壽.  控制工程. 2014(06)
[5]基于EMD-KELM-EKF與參數(shù)優(yōu)選的用戶側微電網短期負荷預測方法[J]. 湯慶峰,劉念,張建華,于壯壯,張清鑫,雷金勇.  電網技術. 2014(10)
[6]腦電信號的多尺度排列熵分析[J]. 姚文坡,劉鐵兵,戴加飛,王俊.  物理學報. 2014(07)
[7]改進的EEMD算法及其應用研究[J]. 鄭近德,程軍圣,楊宇.  振動與沖擊. 2013(21)



本文編號：2926590