论文摘要
采用一种基于互补自适应噪声集成经验模态分解(Ensemble Empirical Mode Decomposition with Complementary Adaptive Noise,EEMDCAN)的支持向量机(SVM)短期风电功率组合预测方法以克服风电功率的强非线性、大波动性的特性。EEMDCAN算法在序列分解中加入成对的正负噪声分量有效提高序列重构精度和分解速度。对分解得到不同复杂度的子序列建立相应的SVM预测模型,并利用粒子群算法对SVM模型参数进行优化,改善模型预测能力。将各子序列得到的预测结果合成得到最终的风电功率预测值。实例分析表明基于该方法的预测模型能较好地跟踪风电功率的变化,与单独SVM方法及SVM组合预测方法预测结果对比,该预测模型的预测精度更高。
论文目录
文章来源
类型: 期刊论文
作者: 谢碧霞,林丽君,白阳振
关键词: 集成经验模态分解,粒子群算法,支持向量机,短期风电功率预测
来源: 电力科学与工程 2019年07期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 电力工业
单位: 中国联合工程有限公司,中国能源建设集团浙江省电力设计院有限公司
分类号: TM614
页码: 62-67
总页数: 6
文件大小: 326K
下载量: 116
相关论文文献
- [1].风电功率概率预测研究综述[J]. 东北电力大学学报 2020(02)
- [2].计及风向信息的风电功率异常数据识别研究[J]. 太阳能学报 2019(11)
- [3].基于约翰森协整及格兰杰因果检验的风电功率关键要素辨识与预测方法[J]. 供用电 2019(12)
- [4].风电功率组合预测技术研究综述[J]. 气象科技进展 2016(06)
- [5].基于人工鱼群优化算法的支持向量机短期风电功率预测模型[J]. 电气工程学报 2016(10)
- [6].基于混沌理论的风电功率超短期多步预测的误差分析[J]. 电力系统保护与控制 2017(04)
- [7].基于风电功率周期特性的组合预测研究[J]. 太阳能学报 2016(07)
- [8].基于相似性修正的风电功率爬坡事件预测方法[J]. 中国电机工程学报 2017(02)
- [9].基于t Location-Scale分布的风电功率概率预测研究[J]. 中国电力 2017(01)
- [10].风电功率预测信息在日前机电组组合中的应用[J]. 建材与装饰 2017(07)
- [11].基于近似熵的风电功率可预测性研究[J]. 太阳能学报 2016(10)
- [12].基于改进的灰色模型和支持向量机的风电功率预测[J]. 沈阳大学学报(自然科学版) 2017(03)
- [13].风电功率预测技术研究综述[J]. 现代电力 2017(03)
- [14].基于改进马尔科夫链的风电功率时间序列模型[J]. 电力建设 2017(07)
- [15].基于思维进化算法的风电功率预测研究[J]. 计算技术与自动化 2017(02)
- [16].基于集对分析聚类法的超短期风电功率区间预测[J]. 可再生能源 2017(09)
- [17].考虑风力发电随机性的超短期风电功率区间预测研究[J]. 太阳能学报 2017(05)
- [18].超短期风电功率爬坡事件对风电功率实时预测误差的影响研究[J]. 太阳能学报 2017(03)
- [19].风电功率概率预测方法及展望[J]. 电力系统自动化 2017(18)
- [20].基于模糊粒计算的风电功率实时预测研究[J]. 东北电力大学学报 2017(05)
- [21].新生儿静息与任务脑电功率的发展比较研究[J]. 中国儿童保健杂志 2016(05)
- [22].风电功率短时骤降的极值统计分析[J]. 电力系统保护与控制 2015(07)
- [23].飞轮储能在风电功率预测系统中的应用探究[J]. 河北工业大学学报 2015(02)
- [24].风速及风电功率预测研究综述[J]. 山东电力技术 2015(07)
- [25].核心素养理念下优化物理实验探究过程的思考与实践——以《测量小灯泡的电功率》为例[J]. 中学生数理化(自主招生) 2020(Z1)
- [26].解读电功率[J]. 中学生数理化(初中版.中考版) 2018(12)
- [27].电功率的解题思考[J]. 数理化学习(初中版) 2018(11)
- [28].V变I变P更变数学巧解电功率[J]. 数理化学习(初中版) 2019(11)
- [29].谈谈电功率[J]. 数理化学习(初中版) 2009(01)
- [30].好好认知电功率[J]. 数理化学习(初中版) 2010(03)
标签:集成经验模态分解论文; 粒子群算法论文; 支持向量机论文; 短期风电功率预测论文;