基于VMD-IGWO-SVM的风电功率超短期预测研究

发布时间：2021-11-04 11:51

　　为了提高风电功率预测精度,保证风能的有效利用,提出一种基于变分模态分解和改进灰狼算法优化支持向量机的风电功率超短期组合预测模型。采用变分模态分解将风电功率序列分解为一系列具有不同中心频率的模态分量以降低其随机性,将各分量分别建立支持向量机预测模型,并采用改进灰狼算法对其参数寻优,将各分量的预测值叠加重构得到最终的预测值。实例仿真表明,所提的组合预测模型与其他预测模型相比具有更高的预测精度。 

【文章来源】：电工电气. 2019,(01)

【文章页数】：6 页

【文章目录】：
0 引言
1 变分模态分解
    1.1 VMD原理
    1.2 VMD算法步骤
2 基于IGWO优化的SVM模型
    2.1 SVM回归算法
    2.2 改进灰狼算法
        2.2.1 标准灰狼算法
        2.2.2 改进灰狼算法
    2.3 IGWO优化SVM参数
3 VMD-IGWO-SVM风电功率预测模型
4 算例分析
5 结语


【参考文献】：
期刊论文
[1]基于ARIMA和SVR的光伏电站超短期功率预测[J]. 赫卫国,郝向军,郭雅娟,曹潇,陈锦铭,梅飞,刘皓明.  广东电力. 2017(08)
[2]基于混合算法优化神经网络的风电预测模型[J]. 董朕,殷豪,孟安波.  广东电力. 2017(02)
[3]风电功率预测技术研究综述[J]. 黎静华,桑川川,甘一夫,潘毅.  现代电力. 2017(03)
[4]基于混沌时间序列GA-VNN模型的超短期风功率多步预测[J]. 江岳春,张丙江,邢方方,张雨,王志刚.  电网技术. 2015(08)
[5]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)
[6]基于粒子群优化支持向量机的变压器故障诊断[J]. 韩世军,朱菊,毛吉贵,詹汶燕.  电测与仪表. 2014(11)
[7]基于遗传优化支持向量机的变压器绕组热点温度预测模型[J]. 陈伟根,滕黎,刘军,彭尚怡,孙才新.  电工技术学报. 2014(01)
[8]基于气象信息因素修正的灰色短期负荷预测模型[J]. 焦润海,苏辰隽,林碧英,莫瑞芳.  电网技术. 2013(03)
[9]基于小波分解和微分进化支持向量机的风电场风速预测[J]. 彭春华,刘刚,孙惠娟.  电力自动化设备. 2012(01)

博士论文
[1]基于变分模态分解与优化多核支持向量机的旋转机械早期故障诊断方法研究[D]. 吕中亮.重庆大学 2016

硕士论文
[1]短期风电功率预测方法研究[D]. 吴道林.安徽工程大学 2017
[2]风电功率预测算法研究[D]. 谭沛然.太原理工大学 2017



本文编号：3475668