本文關(guān)鍵詞：基于EEMD-IGSA-LSSVM的超短期風(fēng)電功率預(yù)測，，由筆耕文化傳播整理發(fā)布。

【摘要】：為了提高風(fēng)電場輸出功率的預(yù)測精度,在保證安全操作的前提下,建立了一種基于集合經(jīng)驗?zāi)B(tài)分解(EEMD)、改進引力搜索算法(IGSA)、最小二乘支持向量機(LSSVM)相結(jié)合的風(fēng)電功率組合預(yù)測模型.首先運用EEMD算法將風(fēng)電功率時間序列分解成一系列復(fù)雜度差異明顯的子序列;其次利用相空間重構(gòu)(PSR)對已分解好的子序列進行重構(gòu),對重構(gòu)后的每個子序列分別建立IGSA-LSSVM預(yù)測模型,為分析不同核函數(shù)構(gòu)造LSSVM的差異性,建立了8種核函數(shù)LSSVM預(yù)測模型,利用IGSA算法求解其模型;最后以中國內(nèi)蒙古地區(qū)的某一風(fēng)電場為算例,仿真及驗算結(jié)果表明,利用IGSA算法尋優(yōu)得到的指數(shù)徑向基核函數(shù)核參數(shù)和懲罰因子構(gòu)建的LSSVM模型具有較高的預(yù)測準確性;與EEMDWNN,EEMD-PSO-LSSVM等5種常規(guī)組合模型相比,所提出的指數(shù)徑向基核函數(shù)的EEMD-IGSA-LSSVM組合模型能有效、準確地進行風(fēng)電功率預(yù)測.
【作者單位】： 湖南大學(xué)電氣與信息工程學(xué)院;
【關(guān)鍵詞】： 集合經(jīng)驗?zāi)B(tài)分解 風(fēng)功率預(yù)測 最小二乘向量機 改進引力搜索算法 指數(shù)徑向基核函數(shù)
【基金】：國家自然科學(xué)基金資助項目(51277057)~~
【分類號】：TM614;TP18
【正文快照】： 風(fēng)電的隨機性和波動性會導(dǎo)致風(fēng)電功率輸出的波動和不穩(wěn)定,阻礙了大規(guī)模風(fēng)力發(fā)電上網(wǎng),導(dǎo)致制訂發(fā)電調(diào)度計劃和電力調(diào)度的困難,但是,通過提高超短期風(fēng)電功率的預(yù)測精度,能有效地解決這些難題[1].在時間尺度層面,風(fēng)電功率的預(yù)測可分成中長期(數(shù)天),短期(數(shù)小時至數(shù)天)和超短期預(yù)

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 涂征宇;蘇永華;楊明輝;萬智;;基于徑向基核函數(shù)逼近的河岸山坡失穩(wěn)概率分析[J];鐵道科學(xué)與工程學(xué)報;2011年05期

  本文關(guān)鍵詞：基于EEMD-IGSA-LSSVM的超短期風(fēng)電功率預(yù)測，由筆耕文化傳播整理發(fā)布。

本文編號：418395