基于MEEMD-KELM的短期风电功率预测

发布时间：2020-12-19 21:15

　　风电功率时序信号是间歇性、波动性的非平稳信号,信号的平稳化处理是风电功率预测的关键。针对EEMD在分解风功率时序信号时存在模态混淆、伪分量和较大的重构误差等问题,将MEEMD用于风功率信号分解并与KELM模型相结合,提出了基于MEEMD-KELM的风电功率短期预测方法。该方法采用CEEMD将原始信号按频率高低依次分解,检测分量的排列熵值,通过熵值判断异常分量信号并将其从原始信号中剔除,再对分离后的信号进行EMD分解,得到的若干个IMF分量分别通过KELM模型进行组合预测。以上海某风场为例进行仿真实验,并与传统方法进行对比,结果表明该方法预测精度更优且更具稳定性。 

【文章来源】：电测与仪表. 2020年21期 北大核心

【文章页数】：7 页

【文章目录】：
0 引言
1 基本理论
    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的风功率短期预测模型
3 评价指标
4 实验与结果分析
    4.1 风电时序信号分解
    4.2 风电时序信号组合预测
    4.3 预测结果对比分析
5 结束语


【参考文献】：
期刊论文
[1]基于风电变模式运行与OLTC协调的配电网电压控制策略[J]. 苗文静,高瑜,刘其辉,赵亚男,郭天飞.  智慧电力. 2019(11)
[2]基于GA-KELM的光伏短期出力预测研究[J]. 章勇高,高彦丽,马迪.  控制工程. 2018(07)
[3]基于粒子群优化的核极限学习机模型的风电功率区间预测方法[J]. 杨锡运,关文渊,刘玉奇,肖运启.  中国电机工程学报. 2015(S1)
[4]基于改进EMD与SVM的风电功率短期预测模型[J]. 管志威,陈国初,徐余法,俞金寿.  控制工程. 2014(06)
[5]基于EMD-KELM-EKF与参数优选的用户侧微电网短期负荷预测方法[J]. 汤庆峰,刘念,张建华,于壮壮,张清鑫,雷金勇.  电网技术. 2014(10)
[6]脑电信号的多尺度排列熵分析[J]. 姚文坡,刘铁兵,戴加飞,王俊.  物理学报. 2014(07)
[7]改进的EEMD算法及其应用研究[J]. 郑近德,程军圣,杨宇.  振动与冲击. 2013(21)



本文编号：2926590